第2章  Python机器学习软件包

　　本章介绍了scikit-learn相关开发环境的搭建步骤，以及IPython、Numpy和Pandas、Matplotlib等软件包的基础知识，最后通过一个scikit-learn机器学习实例，介绍了scikit- learn的一般性原理和通用规则。本章涵盖的主要内容如下：

* 搭建Python机器学习编程环境；

* 熟悉IPython交互式编程环境；

* 熟悉Numpy包的基础操作；

* 熟悉Pandas包的基础操作；

* 熟悉Matplotlib及常用的画图操作；

* 熟悉scikit-learn软件包，并完成一个手写识别机器学习程序。

2.1  开发环境搭建

　　若读者没有安装过Python，一个最简单的方式是直接安装Python针对科学计算而发布的开发环境Anaconda。访问www.continuum.io/downloads网站，根据你所使用的操作系统下载合适的版本直接安装即可。Anaconda里包含了本书要求的所有工具包，包括IPython、Numpy、scipy、Matplotlib和scikit-learn等，针对主流的操作系统Windows/Linux/ Mac都提供了相应的安装包。

　　若读者已经安装了Python或者觉得Anaconda安装包太大了，只想安装需要的工具包，则可以逐个安装这些工具包。这里假设已经安装了Python和pip。那么可以通过pip命令来安装所需要的工具包：

　　pip install jupyter numpy matplotlib scipy scikit-learn seaborn

　　若读者没有安装pip，可以参阅pip官方网站pip.pypa.io/en/stable/installing，具体步骤是下载get-pip.py文件，然后用python命令执行这个文件即可完成pip的安装。

　　安装完成后，可以在终端输入ipython命令启动IPython，并在IPython环境检查我们所需要的工具包的版本号。这里安装的工具包及其版本号如下：

　　$ ipython

　　Python 2.7.10 (default, Jul 30 2016, 19:40:32)

　　Type "copyright", "credits" or "license" for more information.

　　IPython 5.3.0 -- An enhanced Interactive Python.

　　?         -> Introduction and overview of IPython's features.

　　%quickref -> Quick reference.

　　help      -> Python's own help system.

　　object?   -> Details about 'object', use 'object??' for extra details.

　　In [1]: import numpy

　　In [2]: import matplotlib

　　In [3]: import sklearn

　　In [4]: numpy.__version__

　　Out[4]: '1.12.0'

　　In [5]: matplotlib.__version__

　　Out[5]: '2.0.0'

　　In [6]: sklearn.__version__

　　Out[6]: '0.18.1'

* Python：2.7.10；

* Ipython：5.3.0；

* Numpy：1.12.0；

* Matplotlib：2.0.0；

* Sklearn：0.18.1。

　　本书所有的示例程序均在上面的环境中测试通过。如果读者要安装和本书编写时一样的编程环境，可以下载随书代码，找到代码主目录，并在主目录下执行pip install -r requirements.txt命令即可。