2013-8-14
机器学习实践这一系列文章，是作者参考一些有价值的机器学习实践实例后的总结。
和网上最多的机器学习文章的最大区别是：这一系列文章，都立足于代码实现和实际效果展现。
大部分文章会使用python实现算法。欢迎转载，转载时请注明出处：转自 “Miner帆的博客《数据火花》：http://blog.csdn.net/dataspark"
为什么选择python？
作为一种看似简洁却内涵丰富的语言，python本身在机器学习/数据挖掘方面并没有什么优势。python虽然形式简单，但繁琐的语法细节让我觉得它的学习成本并不低。
但scipy(http://www.scipy.org/)等强大的第三方库，让python在机器学习方面得心应手。
坦白而言，我对python没有什么特别的好感，甚至在相当长时间里，我排斥学习python（毕竟已经用了10多年的C/C++，加上一些轻量级脚本语言，几乎完全够用了）。但由于scipy系列库，让python成为我眼中最强大的（至少比R更强大）免费科学计算工具。做数据挖掘调研时，python几乎是不二选择。
但使用这些科学计算相关的库，可能会带来一些不适：
1. 科学计算的编程风格，可能会与纯正的面向对象相悖，在实际使用中，为了利用强大的计算工具，我们可能会把一些数据结构封装得比较简陋；
2. 增加了额外的学习成本，这些科学计算库里大量的数据结构和方法（相当一部分方法还比较晦涩），需要花更多时间去掌握。
尽管这样，python的学习成本也不会比matlab高，对于新的matlab工具箱，你不还是需要额外的学习成本么？
为什么选择python?
1. 因为scipy、numpy、matplot……这些，让它在数据分析时，非常强大；
2. python vs matlab： ptyhon免费
3. python vs R: python是一门真正的计算机语言。R更适合统计学家玩， python更适合程序员用（比如字符串处理等基本操作，还是交给真正的计算机语言处理吧）。
此外，在版本上，选择了使用更广泛的python2.x（目前是2.7.5)而不是3.x。
选择工作环境
在【机器学习实践】系列文章中，我们都使用windows系统、eclipse编辑器（PyDEV插件）、winpython集成环境。
我本身更倾向于linux环境下写程序，但由于在调研阶段，需要有不少可视化分析，windows比linux更适合可视化。
eclipse，因为它的通用性，还因为它免费。pydev插件使能自由地处理python编程。
感谢一些集成发布出来的工具，像winpython ，它集成 了scipy、numpy、matplot等我们需要的科学计算库。这让我们不必安装python后，再一个一个地安装需要的库，还可能会遇到库的依赖和版本兼容问题。
配置工作环境
1. 安装winpython
winpython的官方网址：https://code.google.com/p/winpython/
考虑到国内网速情况，我在百度盘放了个32bit的版本：http://pan.baidu.com/share/link?shareid=4012255606&uk=939810364
双击安装，不再冗述。
假设安装的位置为：D:\software\develop\WinPython-32bit-2.7.5.2
2. 安装eclipse + pydev
安装方法：
1). 到http://www.eclipse.org/下载eclipse最新版本的压缩包，如果下载速度过慢，你可以到我的网盘来获取：http://pan.baidu.com/share/link?shareid=1468424775&uk=939810364
2). 解压eclipse压缩包，即可使用；
3). 在http://marketplace.eclipse.org/ 中搜索PyDev插件，点击绿色的向下箭头
或
3'). 在 Eclipse 菜单栏中找到 Help栏，选择 Help > eclipse marketplace， 搜索PyDev，在结果中点击Install
当有许可条款出现时，记得点“同意”。
3. 配置eclipse集成编译环境
在装好winpython和eclipse后。打开eclipse，选择file->new->project，在打开的对话框中选择PyDev Project，如下图：
点 ”next“进入下一步设置：
点击：Please configure an interpreter .... 这行字，配置解释器。
点击 ”New" ->"Browse" 找到刚才安装的winpython的位置，选择python.exe文件
然后，eclispe会自动加载相同目录下的python库
点击OK，等eclipse自动设置。完成后，我们的python环境就搭好了。
