1机器学习一些环境

环境还有jupyter notebook

Anaconda

https://www.anaconda.com/download/

anaconda 集成了很多环境 如上图蓝色部分

Numpy

官网：http://www.numpy.org/

SciPy

Scipy系数矩阵(Sparse Matrices) 

以稀疏存储的方式 即只存 一个样本 特征的位置和他对应的值（没有值的特征不管）

Pandas

Matplotlib 官网：http://matplotlib.org/  掌握有点复杂 

上面图像的意思是  拿数据的一个特征（维度）分析 看不同的值所占的百分比 其中这个特征

值为200的数据的比例最高。

Seaborn  官网： https://seaborn.pydata.org/   比matplotlib 简单 

 

Scikit-Learn 功能强大 使用方便啊~
—Machine Learning in Python

基本功能有六个部分：
分类（Classification）、
回归（Regression）、
聚类（Clustering）、
数据降维（ Dimensionality reduction ）、
模型选择（Model Selection）、
数据预处理（Preprocessing）

优点

各种机器学习模型有统一的接口
• 模型既有默认参数，也提供多种参数调优方法
• 卓越的文档
• 丰富的随附任务功能集合
• 活跃的社区提供开发和支持