2.1、常用環(huán)境

• 科學(xué)計(jì)算支持庫Numpy

  專門設(shè)計(jì)用于科學(xué)計(jì)算的專業(yè)支持庫

• 機(jī)器學(xué)習(xí)庫 Scikit-learn

• 數(shù)據(jù)處理庫 Pandas

  內(nèi)置許多排序，統(tǒng)計(jì)之類的實(shí)用功能

2.2、Python

Python是一種動(dòng)態(tài)的高級編程語言，Python代碼是通過解釋器解釋執(zhí)行。Python數(shù)據(jù)類型不用事先聲明，語法更為靈活多變，代碼看起來也更簡潔，高效快速是Python引以為傲的特點(diǎn)。

2.2.1、基本用法

Python庫安裝工具Pip和Conda。如果成功安裝Python后，就能在命令行中直接使用Pip命令了，而Conda則需要額外進(jìn)行安裝才能使用，Conda功能更為強(qiáng)大

pip install 庫名
# 使用國內(nèi)源加速下載
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 庫名
# 或者
conda 庫名

使用庫方面，Python也和其他編程語言一樣，需要先導(dǎo)入再使用

import 庫名

# 或者 
import 庫名 as 別名

# 使用庫中的類
from 庫名 import 類名

2.3、Numpy簡介

Numpy是Python語言的科學(xué)計(jì)算支持庫，提供了線性代數(shù)，傅里葉變換等非常有用的數(shù)學(xué)工具。

pip install -U numpy

Numpy擁有強(qiáng)大的科學(xué)計(jì)算功能，Array數(shù)據(jù)類型是Numpy的核心數(shù)據(jù)結(jié)構(gòu)，與Python的List類型相似，但功能強(qiáng)大的多。Numpy相關(guān)功能都是圍繞著Array類型建設(shè)的。

# 使用Numpy包只需要導(dǎo)入即可，業(yè)界習(xí)慣用np作為它的別名
import numpy as np

2.3、Scikit-Learn

Scikit-learn庫包含了常見的機(jī)器學(xué)習(xí)算法，而且還在不斷更新。

scikit-learn庫對機(jī)器學(xué)習(xí)算法進(jìn)行封裝，使用過程非常簡單，只要根據(jù)格式填入數(shù)據(jù)即可，不涉及額外的數(shù)學(xué)運(yùn)算操作。

pip install -U scikit-learn

# 使用scikit-learn
import sklearn

調(diào)用機(jī)器學(xué)習(xí)算法也非常簡單，Scikit-learn庫已經(jīng)將算法按模型分類，查找起來非常方便。如線性回歸算法可以從線性模型中找到

from sklearn import linear-model

model = linear_model.LinearRegression()

Logistic回歸算法也是依據(jù)線性模型

from sklearn.linear_model imort LogisticRegression
model = linear_model.logisticRegression()

類似的還有基于近鄰模型的KNN算法

生成模型后，一般使用fit方法給模型"喂"數(shù)據(jù)進(jìn)行訓(xùn)練。完成訓(xùn)練的模型可以使用predict方法進(jìn)行預(yù)測。

2.4、Pandas簡介

Pandas是Python語言中知名的數(shù)據(jù)處理庫。但是從生產(chǎn)環(huán)境上得到的數(shù)據(jù)需要首先進(jìn)行數(shù)據(jù)清洗工作，最常見的如填充丟失字段值。數(shù)據(jù)清洗工作一般由Pandas來完成，特征工程也可通過Pandas完成。

2.4.1、安裝

pip install -U pandas

2.4.2、Pandas基本用法

Pandas具有兩個(gè)核心的數(shù)據(jù)類型，即Series和DataFrame

• Series

  一維數(shù)據(jù)，可以認(rèn)為是一個(gè)統(tǒng)計(jì)功能增強(qiáng)版的List功能

• DataFrame

  多維數(shù)據(jù)，有多個(gè)Series組成

業(yè)界習(xí)慣在導(dǎo)入時(shí)，使用'pd'作為他的別名

import pandas as pd