Python机器学习

1、为什么使用Python

Python已经成为许多数据科学应用的通用语言，它既有通用编程语言的强大功能，也有特定领域脚本语言（比如MATLAB或R）的易用性。
Python有用于数据加载、可视化、统计、自然语言处理、图像处理等各种功能的库。这个大型工具箱为数据科学提供了大量的通用功能和专用功能。
使用Python的主要优点之一就是利用终端或者其他类似Jupyter Notebook的工具能够直接与代码进行交互；
机器学习和数据分析本质都是迭代过程，有数据驱动分析。这些过程必须要有快速迭代和易于交互的工具。
作为通用编程语言，Python还可以用来创建复杂的图形用户界面和Web服务，也可以集成到现有的系统中。

2、Python常用的机器学习相关库

scikit - learn：
免费开源项目，是Python上最有名的机器学习库，广泛用于工业界和学术界，可以与其他大量Python科学计算工具一起使用，依赖NumPy和SciPy；

NumPy：
Python科学计算基础包之一，功能包括多维数组、高级数学函数、伪随机数生成器等。NumPy数组是基本数据结构，sklearn接收NumPy数组格式的数据。用到的所有数据都需要转换成NumPy数组；

SciPy：
Python中用于科学计算的函数集合，具有线性代数高级程序、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。sklearn利用SciPy中的函数集合来实现算法；

matplotlib：

Python主要的科学绘图库；

pandas:
用于处理和分析数据的Python库，基于一种叫做DataFrame的数据结构。简单来说一个 pandas DataFrame是一张表格，类似Excel；
pandas中包含大量用于修改和操作表格的方法，可以像SQL一样对表格进行查询和连接，NumPy要求数组中左右的元素类型必须完全相同，但是pandas每一列数据类型都可以不相同；
pandas另一个强大之处在于，可以从许多文件格式和数据库中提取数据，如SQL、Excel、逗号分割值（CSV）文件。