机器学习框架学习笔记-初识

在学习scikit-learn以前容我作一点介绍

scikit-learn（http://scikit-learn. org/stable/documentation（在这个网页上能够看到每一个算法的详细文档 ）） 

是一个开源的项目 ，里面包含了目前最早进的机器学习算法 

若是你想使用或者是学习这个框架的话

Anaconda

请你下载Anaconda（www.anaconda.com/）

Anaconda 是用于大规模数据处理、预测分析和科学计算的 Python 发行版。

Anaconda 已经预先安装 好 NumPy、SciPy、matplotlib、pandas、IPython、Jupyter Notebook 和 scikit-learn。

因此你能够直接下载使用。

打开以后咱们能够看到界面上面有不少的集成的工具

Jupyter Notebook

Jupyter Notebook 是能够在浏览器中运行代码的交互环境。

简单的说就是一个编译器

打开以后的界面 （这个是你本地文件）

若是你想改变编辑器读取你的本地文件位置的话能够用下面的办法 

blog.csdn.net/slz0813/art…（更改jupyter-notebook默认workspace目录 ）

下面就开始让咱们建立第一个程序吧！

建立第一个程序 

NumPy

NumPy 是 Python 科学计算的基础包之一。它的功能包括多维数组、高级数学函数（好比 线性代数运算和傅里叶变换），以及伪随机数生成器。

SciPy 

SciPy 是 Python 中用于科学计算的函数集合。它具备线性代数高级程序、数学函数优化、 信号处理、特殊数学函数和统计分布等多项功能。

matplotlib

matplotlib 是 Python 主要的科学绘图库，其功能为生成可发布的可视化内容，如折 线图、直方图、散点图等。将数据及各类分析可视化，可让你产生深入的理解。

pandas

pandas 是用于处理和分析数据的 Python 库。它基于一种叫做 DataFrame 的数据结构，这 种数据结构模仿了R 语言中的DataFrame。简单来讲，一个pandas DataFrame 是一张表 格，相似于Excel 表格。pandas 中包含大量用于修改表格和操做表格的方法，尤为是可 以像SQL 同样对表格进行查询和链接。

补充内容：

看到上面的内容以为仍是看不懂这个是在说什么的话，请看看补充内容。

NumPy、SciPy、matplotlib、pandas、IPython、Jupyter Notebook 和 scikit-learn做为python重要的库，下面对各个各个库进行详细的解释，这样方便理解记忆。

NumPy （Numerical Python的简称）是Python科学计算的基础包

它提供了如下功能（不限于此）：

1. 快速高效的多维数组对象ndarray。 
2. 用于对数组执行元素级计算以及直接对数组执行数学运算的函数。 
3. 用于读写硬盘上基于数组的数据集的工具。 
4. 线性代数运算、傅里叶变换，以及随机数生成。 
5. -成熟的C API， 用于Python插件和原生C、C++、Fortran代码访问NumPy的 数据结构和计算工具。 

除了为Python提供快速的数组处理能力，NumPy在数据分析方面还有另一个主要做用，即做为在算法和库之间传递数据的容器。对于数值型数据，NumPy数组在存储和处理数据时要比内置的Python数据结构高效得多。此外，由低级语言（好比C 和Fortran）编写的库能够直接操做NumPy数组中的数据，无需进行任何数据复制工做。所以，许多Python的数值计算工具要么使用NumPy数组做为主要的数据结构，要么能够与NumPy进行无缝交互操做。 

参考书籍：利用Python进行数据分析复制代码

pandas 是用于处理和分析数据的 Python 库

它提供了如下功能（不限于此）：

1. 有标签轴的数据结构，支持自动或清晰的数据对齐。这能够防止因为数据不对齐，或处理来源不一样的索引不一样的数据，所形成的错误。
2.  集成时间序列功能。 
3. 相同的数据结构用于处理时间序列数据和非时间序列数据。 
4. 保存元数据的算术运算和压缩。 灵活处理缺失数据。 
5. 合并和其它流行数据库（例如基于SQL的数据库）的关系操做。 

pandas兼具NumPy高性能的数组计算功能以及电子表格和关系型数据库（如 SQL）灵活的数据处理功能。它提供了复杂精细的索引功能，能更加便捷地完成重 塑、切片和切块、聚合以及选取数据子集等操做。

参考数据：利用Python进行数据分析复制代码

matplotlib是 Python 主要的科学绘图库

matplotlib是最流行的用于绘制图表和其它二维数据可视化的Python库。它最初由 John D.Hunter（JDH）建立，目前由一个庞大的开发团队维护。它很是适合建立出 版物上用的图表。

SciPy是一组专门解决科学计算中各类标准问题域的包的集合

它提供了如下功能（不限于此）：

1. scipy.integrate：数值积分例程和微分方程求解器。  
2. scipy.linalg：扩展了由numpy.linalg提供的线性代数例程和矩阵分解功能。 
3. scipy.optimize：函数优化器（最小化器）以及根查找算法。 
4. scipy.signal：信号处理工具。 scipy.sparse：稀疏矩阵和稀疏线性系统求解器。 scipy.special：SPECFUN（这是一个实现了许多经常使用数学函数（如伽玛函数） 的Fortran库）的包装器。 
5. scipy.stats：标准连续和离散几率分布（如密度函数、采样器、连续分布函数 等）、各类统计检验方法，以及更好的描述统计法。 

scikit-learn 

Scikit-learn（之前称为scikits.learn）是一个用于Python编程语言的免费软件机器学习库。 它具备各类分类，回归和聚类算法，包括支持向量机，随机森林，梯度加强，k -means和DBSCAN，旨在与Python数值和科学库NumPy和SciPy互操做。

它的子模块包括：

1. 分类：SVM、近邻、随机森林、逻辑回归等等。 
2. 回归：Lasso、岭回归等等。
3. 聚类：k-均值、谱聚类等等。 
4. 降维：PCA、特征选择、矩阵分解等等。 
5. 选型：网格搜索、交叉验证、度量。 预处理：特征提取、标准化。