这是（shì）Python3.2安装scikit-learn机（jī）器学习包下（xià）载，scikit-learn 机器学习包，很好的工具。但是官方网站没有适合（hé）python3.x的，在国外unofficial网站下载。
（网址见我的（de）博文python、数（shù）据收集、数据分析） numpy、scipy、scikit-learn三个已打（dǎ）包，顺序（xù）逐个安（ān）装。
Python3.2安装scikit-learn机器学习包是机（jī）器学（xué）习算法在近几年大数（shù）据点燃的（de）热火熏陶下（xià）已经变得被人所“熟知”，就算不懂得其中各算法理论，叫你喊（hǎn）上一两个著名（míng）算法（fǎ）的名（míng）字，你（nǐ）也能昂（áng）首挺胸（xiōng）脱口而出。当然了，算法之林虽（suī）大，但（dàn）能者还是（shì）有限，能适应某些环境并取得较好效果的算法会（huì）脱（tuō）颖而出，而（ér）表现平平者则被历史所淡忘。随着机器学习社区的发展和实践验（yàn）证，这群（qún）脱颖而出者也（yě）逐（zhú）渐（jiàn）被人所认可（kě）和（hé）青睐，同（tóng）时获得了更多社区力量的支持（chí）、改进和推广。
以最广（guǎng）泛的分类算法为例，大致可（kě）以分为线性和非线性两大派别。线性算法有著（zhe）名的（de）逻辑（jí）回归、朴（pǔ）素贝叶（yè）斯、最大熵等，非线性算法有（yǒu）随机森林、决策树、神经（jīng）网络、核机器等（děng）等（děng）。线（xiàn）性算法举的大旗是（shì）训练（liàn）和（hé）预（yù）测的效率比较高，但最终效果对（duì）特征的依赖程度较高（gāo），需（xū）要数据在特征（zhēng）层面上是（shì）线性可分的。因（yīn）此（cǐ），使（shǐ）用线性算法需要（yào）在特征工程上下不少功夫（fū），尽量（liàng）对特征进（jìn）行选择、变换（huàn）或者组合等（děng）使得特征具有区分性。而非线性算法则（zé）牛逼（bī）点，可以建（jiàn）模复杂（zá）的分（fèn）类面（miàn），从（cóng）而能更好的拟合数据。
那（nà）在（zài）我们选择了特征的基础上，哪个（gè）机器学（xué）习算法（fǎ）能取得更（gèng）好的（de）效果（guǒ）呢？谁也不知道。实践（jiàn）是检验哪个好的不二标准。那难道要苦逼到写五六个机（jī）器（qì）学习的代码吗？No，机器学习社区的力量是（shì）强大的，码农界的共识（shí）是（shì）不重复造轮子！因此（cǐ），对某些较为成熟的算法，总有某些优秀的库可以直（zhí）接使（shǐ）用，省去了大伙调研的大部分时间。
基（jī）于（yú）目（mù）前（qián）使用python较多，而（ér）python界（jiè）中远（yuǎn）近闻（wén）名的机（jī）器学习库要数scikit-learn莫属了。这个库优点很多（duō）。简单（dān）易用，接口抽象得非常（cháng）好，而且文档支持实在感人。本文中，我们可以封装其中的很多机器学习算法，然后进行一（yī）次性测试（shì），从而便于分析取优。当然了，针对具体（tǐ）算法，超参（cān）调优（yōu）也非常重（chóng）要。
Python3.2安装scikit-learn机器（qì）学习包是Python的一个（gè）开源机器学习模块，它（tā）建立在NumPy，SciPy和（hé）matplotlib模块（kuài）之上。值得一提的是，scikit-learn最先（xiān）是由（yóu）David Cournapeau在2007年发起的一个Google Summer of Code项目，从（cóng）那时起（qǐ）这个项目就已经（jīng）拥（yōng）有很多的贡献者（zhě）了，而且该项（xiàng）目目（mù）前为止也是由一个志愿者团队在维（wéi）护着（zhe）。
scikit-learn的安装方法有很（hěn）多种，而且（qiě）也是适用于各种主流操作系统（tǒng），scikit-learn主页上也分别详细地介绍（shào）了在不同操作系统下的三（sān）种（zhǒng）安（ān）装方法，具体安装详情请（qǐng）移步至 installing scikit-learn。
在这里（lǐ），首先向（xiàng）大家推荐一款学习Python的强大的开发环境python(x，y)。python(x，y)是一个基于python的科学计算软件包，它包含集成开发环境Eclipse和Python开发插件pydev、数据交互式编辑和可视化工（gōng）具spyder，而且还内嵌了（le）Python的（de）基（jī）础数据库numpy和（hé）高级（jí）数学（xué）库scipy、3D可视化工（gōng）具集（jí）MayaVi、Python界面开（kāi）发（fā）库PyQt、Python与C/C++混（hún）合编译器SWIG。除（chú）此之外，python(x，y)配备了丰富齐全的帮（bāng）助文（wén）档，非常方便科研人员使用（yòng）。
对于像楼主这样，在学校习惯（guàn）了用Matlab仿真搞科研的学生（shēng）而言，python(x，y)是学习Python的（de）一（yī）个绝佳选择，其中（zhōng）内嵌的spyder提供了类似于Matlab的交互界面，可以很（hěn）方便（biàn）地使用。python(x，y)的下载请点击这（zhè）里：python(x，y)下载。
由于scikit-learn是基于NumPy、SciPy和matplotlib模块的（de），所（suǒ）以在安装scikit-learn之前（qián）必（bì）须（xū）要安（ān）装这3个（gè）模块（kuài），这（zhè）就很麻烦。但是，如（rú）果你提（tí）前像楼主这样安装（zhuāng）了python(x，y)，它（tā）本身已经包含上述的模块，你只需下载与你匹配的scikit-learn版本，直接（jiē）点击安装即可。
scikit-learn各种（zhǒng）版本下（xià）载：scikit-learn下载。
