机器学习¶
Python拥有大量的数据分析、统计和机器学习库，使其成为许多数据科学家的首选语言。
一些广泛使用的机器学习和其他数据科学应用程序包被列在下面：
SciPy 栈（SciPy stack）¶
SciPy 栈由数据科学所使用的一组核心帮助包组成，用于统计分析和数据可视化。 由于其庞大的功能和易用性，scripy栈被认为是大多数数据科学应用的必备条件。
该栈包含以下包（提供文档链接）：
该栈还附带了Python，但已被排除在上面的列表中。
scikit-learn¶
Scikit是一个用于Python的免费开源机器学习库。 它提供了现成的功能来实现诸如线性回归、 分类器、SVM、k-均值和神经网络等多种算法。它还有一些可直接用于训练和测试的样本数据集。
由于其速度、鲁棒性和易用性，它是许多机器学习应用程序中使用最广泛的库之一。
安装¶
通过 PyPI:
pip install -U scikit-learn
通过 conda:
conda install scikit-learn
scikit-learn 也随Anaconda发行（如上所述）。 有关更多安装说明，请参阅 此链接 。
例子¶
本例中，我们在 Iris 数据集 上训练一个简单的分类器，它与scikit-learn捆绑在一起。
数据集具有花的四个特征：萼片长度，萼片宽度，花瓣长度和花瓣宽度，并将它们分为三个花种 （标签）：setosa、versicolor或virginica。 标签已经被表示为数据集中的数字： 0（setosa），1（versicolor）和2（virginica）。
我们清洗Iris数据集，并将其分为独立的训练和测试集：保留最后10个数据点进行测试， 剩余的进行训练。然后我们在训练集训练分类器，并对测试集进行预测。
from sklearn.datasets import load_iris
from sklearn import tree
from sklearn.metrics import accuracy_score
import numpy as np
#loading the iris dataset
iris = load_iris()
x = iris.data #array of the data
y = iris.target #array of labels (i.e answers) of each data entry
#getting label names i.e the three flower species
y_names = iris.target_names
#taking random indices to split the dataset into train and test
test_ids = np.random.permutation(len(x))
#splitting data and labels into train and test
#keeping last 10 entries for testing, rest for training
x_train = x[test_ids[:-10]]
x_test = x[test_ids[-10:]]
y_train = y[test_ids[:-10]]
y_test = y[test_ids[-10:]]
#classifying using decision tree
clf = tree.DecisionTreeClassifier()
#training (fitting) the classifier with the training set
clf.fit(x_train, y_train)
#predictions on the test dataset
pred = clf.predict(x_test)
print pred #predicted labels i.e flower species
print y_test #actual labels
print (accuracy_score(pred, y_test))*100 #prediction accuracy
由于我们在每次迭代中随机分割和分类训练，所以准确性可能会有所不同。运行上面的代码得到：
[0 1 1 1 0 2 0 2 2 2]
[0 1 1 1 0 2 0 2 2 2]
100.0
第一行包含由我们的分类器预测的测试数据的标签（即花种），第二行包含数据集中给出的实际花种。 我们这次准确率达到100％。
关于scikit-learn的更多内容可以在 文档 中阅读。
