机器学习起步之环境搭建

对于机器学习的学习我们一般将scikit-learn作为学习工具，scikit-learn简称sklearn，它集成了大量机器学习相关的工具开发库。

具体可以参考官网：http://scikit-learn.org/stable/index.html

sklearn使用的是python语言，在安装sklearn之前，我们需要下面准备工作。

1、安装Python (>= 2.6 or >= 3.3)开发环境
Python的安装比较简单，直接进入官网https://www.python.org/downloads/，我们就可以进行下载安装了。

2、安装NumPy (>= 1.6.1),SciPy (>= 0.9)这两个包

它们两个的安装分别进入官网就可以看到安装步骤了

http://www.scipy.org/install.html

另外，需要说明的是，最简单的方法就是使用python的科学计算工具，它集成了Python环境以及支持各种python科学计算开发包，例如NumPy ,SciPy 等等。

1、Anaconda

支持Linux, Windows 和 Mac

2、Enthought Canopy

支持Linux, Windows 和 Mac

3、Python(x,y)

只支持Windows

4、WinPython

只支持Windows

5、Pyzo

支持Linux, Windows 和 Mac

安装了上面的工具，就相当于安装了Python、IPython和一些包等等。

上面对应的都是python的一些科学计算工具，它们的强大之处就在于提供了python可视化环境和科学计算依赖包。主要用于进行一些科研实验，就是matlab的作用一样。

这里穿插说说Python、IPython、Ipython notebook和Spyder

• ipython是一个 python 的交互式 shell，比默认的python shell 好用得多，支持变量自动补全，自动缩进，支持 bash shell 命令，内置了许多很有用的功能和函数。
• IPython Notebook使用浏览器作为界面，向后台的IPython服务器发送请求，并显示结果。在浏览器的界面中使用单元(Cell)保存各种信息。Cell有多种类型，经常使用的有表示格式化文本的Markdown单元和表示代码的Code单元。
• Spyder是一个简单的python集成开发环境。和其他的Python开发环境相比，它最大的优点就是模仿MATLAB的“工作空间”的功能，可以很方便地观察和修改数组的值。具体可以参考：https://github.com/spyder-ide/spyder

当上面的准备工作完成之后，我们就可以安装sklearn了

pip install -U scikit-learn

对于python的项目开发有一款强大的集成开发工具PyCharm

PyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外，该IDE提供了一些高级功能，以用于支持Django框架下的专业Web开发。

PyCharm具体的安装参考官方网站：
http://www.jetbrains.com/pycharm/index.html

在PyCharm里面我们可以直接进行手动的安装scikit-learn以及其他的一些开发包，非常的方便。

另外可以将上面的科学技术工具和python集成开发工具PyCharm结合一块，进行项目的开发。