1)scikit学习
scikit-learn是一个用于机器学习的Python模块,建立在SciPy之上,并以3条款BSD许可分发。它具有各种分类,回归和聚类算法,包括支持向量机,随机森林,梯度提升,k均值和DBSCAN,并且旨在与Python数值和科学库NumPy和SciPy互操作。
scikit-learn的当前稳定版本要求:
Python(> = 2.6或> = 3.3),
NumPy(> = 1.6.1),
SciPy(> = 0.9)。
对于大多数安装,pippython软件包管理器可以安装python及其所有依赖项:
pip install scikit-learn
但是对于linux系统,建议使用conda软件包管理器以避免可能的构建过程
conda install scikit-learn
要检查是否具有scikit-learn,请在shell中执行:
python -c 'import sklearn; print(sklearn.__version__)'
Windows和Mac OSX安装:
Canopy和Anaconda都提供了scikit-learn的最新版本,此外还有用于Windows,Mac OSX(也与Linux相关)的大量科学python库。
官方源代码回购:https://github.com/scikit-learn/scikit-learn
2)Numenta智能计算平台
Numenta智能计算平台(NuPIC)是实现HTM学习算法的机器智能平台。HTM是新皮层的详细计算理论。HTM的核心是基于时间的连续学习算法,该算法存储和调用空间和时间模式。NuPIC适用于各种问题,尤其是流数据源的异常检测和预测。
NuPIC二进制文件可用于:
Linux x86 64位
OS X 10.9
OS X 10.10
Windows 64位
要在所有操作系统上安装NuPIC,需要以下依赖项。
Python 2.7
点> = 8.1.2
设置工具> = 25.2.0
滚轮> = 0.29.0
麻木
C ++ 11编译器,例如gcc(4.8+)或clang
OS X的其他要求:
Xcode命令行工具
运行以下命令安装NuPIC:
pip install nupic
官方源代码回购:https://github.com/numenta/nupic
3)nilearn
Nilearn是一个Python模块,可用于对NeuroImaging数据进行快速简便的统计学习。它利用scikit-learn Python工具箱通过预测建模,分类,解码或连通性分析等应用程序进行多元统计。
使用该软件所需的依赖项为:
Python> = 2.6,
设置工具
脾气暴躁> = 1.6.1
科学>> 0.9
Scikit学习> = 0.14.1
Nibabel> = 1.1.0
如果您使用nilearn绘图功能或运行示例,则需要matplotlib> = 1.1.1。
如果要运行测试,则需要鼻子> = 1.2.1和覆盖率> = 3.6。
首先,请确保您已安装上面列出的所有依赖项。然后,可以通过在命令提示符下运行以下命令来安装nilearn:
pip install -U --user nilearn
官方源代码仓库:https://github.com/nilearn/nilearn/
4)使用水蟒
Anaconda中提供了许多科学的Python库。您可以从此处获取安装文件。一方面,使用Anaconda无需安装和配置许多软件包,它已获得BSD许可,并且安装过程很简单,可用于Python 3和Python 2,而另一方面,它给您带来了更少的灵活性。例如,某些最先进的深度学习python软件包可能使用与安装Anaconda不同的numpy版本。但是,可以使用另一个python安装来解决此缺点separately(In linux and MAC your default one for example)。
Anaconda安装程序会提示您选择安装位置,也提示您添加路径选项。如果将Anaconda添加到您的PATH中,则期望您的操作系统将把Anaconda Python作为默认设置。因此,修改和以后的安装将仅适用于此Python版本。
为了清楚起见,在安装Anaconda之后,如果您键入以下内容,则通过终端使用Ubuntu 14.04将其添加到PATH中
python
瞧,Anaconda Python是您的默认Python,您可以立即开始使用许多库。但是,如果您想使用旧的Python
/usr/bin/python
长话短说,Anaconda是使用Python启动机器学习和数据分析的最快方法之一。