1.4 Python在机器学习中的应用

Python是数据科学领域最流行的编程语言之一，因此拥有大量由众多社区开发的附加扩展库。

对于计算密集型任务，尽管解释型语言（如Python）在性能方面不如低级别语言，但使用相对低级别语言（如Fortran和C等）开发的扩展库（如NumPy、SciPy等）实现了多维数组高速向量化的运算。

处理机器学习程序开发任务，我们主要使用最流行的开源机器学习库scikit-learn来完成。

安装Python包

Python可用于主流的三大操作系统：Microsoft Windows、Mac OS X和Linux。所有版本的安装程序、文档均可以从Python官网下载：https://www.python.org。

本书中示例需使用Python 3.4.3及以上版本，建议读者安装Python 3的最新版本，不过大部分示例程序均兼容Python 2.7.10及之后的版本。如果读者决定使用Python 2.7运行示例代码，请确保了解这两个Python版本之间的主要区别。链接https://wiki.python.org/moin/Python2orPython3详细地比较了Python 3.4和2.7之间的差异。

本书中所用到的其他包可通过pip来进行安装，在Python 3.3中，pip已经默认为Python标准库的一个组成部分。更多信息请参照链接：https://docs.python.org/3/installing/index.html。

成功安装Python后，我们可以在终端中通过pip命令安装附加Python包：

已经安装的扩展包，可通过——upgrade选项对其进行更新：

强烈推荐由Continuum Analytics开发的Python版本Anaconda来进行科学计算。Anaconda是一款免费的、内置商业应用的Python版本，它已经内置了应用于数据科学、数学、工程领域所需的核心包，是一个用户友好的跨平台发行版本。Anaconda的安装程序可通过链接http://continuum.io/downloads#py34下载，链接https://store.continuum.io/static/img/Anaconda-Quickstart.pdf提供其快速指南手册。

在成功安装Anaconda后，我们可以使用如下命令安装Python包：

可使用如下命令更新现有包：

本书主要使用NumPy的多维数组存储和处理数据。我们也会用到pandas，它是一个建立在NumPy上、更方便处理表格类数据的附加工具包。为了使读者对数据有个直观的感觉，以提高学习体验和数据可视化的质量，我们使用了可高度定制的matplotlib库。

本书使用的主要的Python包的版本如下。请确保你选择的版本号满足此要求或者比所列版本更新，以保证示例代码能正确运行。

·NumPy 1.9.1

·SciPy 0.14.0

·scikit-learn 0.15.2

·matplotlib 1.4.0

·pandas 0.15.2