数据结构
网络
关系型数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学用于机器学习的 Python 生态系统有哪些有用的组件？
Python 生态系统日新月异，已成为机器学习的主导平台。在这里，我们将了解 Python 生态系统中用于机器学习最有效的组件。让我们开始吧。
SciPy
SciPy（发音为“Sigh Pie”）是一个 Python 开源库的生态系统，用于执行数学、科学和工程计算。SciPy 包含以下与机器学习相关的核心包：
NumPy − NumPy 是 SciPy 的基础 N 维数组包，允许我们高效地使用数组中的数据。
Matplotlib − Matplotlib 用于根据数据创建全面的二维图表和绘图。
Pandas − Pandas 是一个开源的 Python 包，用于组织和分析我们的数据。
如何安装 SciPy
安装 SciPy 的方法有很多，以下是两种最常用的方法：
- 使用您平台上的包管理工具。
- 使用 Pip——一个 Python 包管理工具
您还可以查看页面 https://tutorialspoint.com/scipy/scipy_environment_setup.htm 上针对各种平台的操作指南。
Scikit-learn
Scikit-learn (Sklearn) 是用于机器学习最有用和强大的 Python 生态系统。Scikit-learn 基于 SciPy 生态系统并需要它，它为我们提供了高效的机器学习和统计建模工具，包括分类、回归、聚类和降维。它也是开源的，可在 BSD 许可下商业使用。您可以在 https://tutorialspoint.com/scikit_learn/index.htm 了解更多关于 Scikit-learn 的信息。
如何安装 Scikit-learn
建议使用与上面安装 SciPy 相同的方法来安装 Scikit-learn。除此之外，另一种最简单的安装 Scikit-learn 的方法是使用 conda。命令如下：
conda install scikit-learn
安装生态系统——更简单的方法
安装生态系统最简单的方法之一是使用名为 Anaconda 的发行版。
它包含 Python、Scipy 和 scikit-learn，即学习、实践和使用 Python 环境进行机器学习所需的一切。
252 次浏览
