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。