Milk是Python的一個(gè)機(jī)器學(xué)習(xí)工具箱，其重點(diǎn)是提供監(jiān)督分類法與幾種有效的分類分析：SVMs (基于libsvm)，K-NN，隨機(jī)森林經(jīng)濟(jì)和決策樹，還可以進(jìn)行特征選擇。

科研有捷徑，輸入代碼，一鍵獲取科研成果！就是這么省事，來具體看下有多方便！

搜索http://985.so/a9kb查看全部代碼（目前共計(jì)50+持續(xù)新增中），也可以點(diǎn)擊右側(cè)【目錄】，可以看到更多有趣的代碼；真香提示：文末可以知道如何獲取代碼~

Milk ( Machine Learning Toolkit for Python)剛接觸就首先被他的名字所吸引，“Milk”，正如他的名字一樣，結(jié)構(gòu)小巧，語句簡潔，適用性強(qiáng)。

雖沒有sklearn那樣靈活多變，也沒有orange那樣用戶友善，但是Milk能在強(qiáng)大的python中占有一席之位，還是有它自己獨(dú)到的優(yōu)勢的。

Milk是Python的一個(gè)機(jī)器學(xué)習(xí)工具箱，其重點(diǎn)是提供監(jiān)督分類法與幾種有效的分類分析：SVMs (基于libsvm)，K-NN，隨機(jī)森林經(jīng)濟(jì)和決策樹。

它還可以進(jìn)行特征選擇。這些分類可以在許多方面相結(jié)合，形成不同的分類系統(tǒng)。對于無監(jiān)督學(xué)習(xí)，它提供K-means和affinity propagation聚類算法。今天我們就來簡單介紹一下這個(gè)簡單實(shí)用的機(jī)器學(xué)習(xí)包Milk。

第一步安裝：

如果你已經(jīng)配置好了python環(huán)境，那么就可以通過如下方法進(jìn)行easy install。當(dāng)然前提是配置了環(huán)境變量。下載地址http://luispedro.org/software/milk

1.?Easy_install milk

2.?Python setup.py install

3.?Pip install milk

第二步訓(xùn)練模型：

圖中我們創(chuàng)建了一個(gè)100*10的矩陣，代表100個(gè)樣本點(diǎn)和10個(gè)特征值。前50個(gè)類別為0，后50個(gè)類別為1。我們利用features和labels來訓(xùn)練模型，輸出一個(gè)精度

可見精度為96%，模型的精度還是很令人滿意的。那么我們?nèi)绾卫媚Ｐ瓦M(jìn)行預(yù)測呢？

我們通過隨機(jī)創(chuàng)建一組newfeatures用于預(yù)測，同樣是100個(gè)數(shù)據(jù)點(diǎn)，用train這個(gè)類來進(jìn)行建模，通過apply這個(gè)類來進(jìn)行預(yù)測。預(yù)測結(jié)果如下

可見100個(gè)數(shù)據(jù)點(diǎn)中有3個(gè)點(diǎn)預(yù)測錯(cuò)誤，精度為97%，和訓(xùn)練模型時(shí)的估計(jì)精度吻合，說明了我們這個(gè)預(yù)測模型的穩(wěn)健性。

Milk中還提供了其他分類模型，如SVM，Kmeans，nfoldcrossvalidation等模型。從靈活度上來看并不如其他機(jī)器學(xué)習(xí)包，但是就實(shí)用性和復(fù)雜度來說，Milk是一個(gè)十分適合初學(xué)者使用的機(jī)器學(xué)習(xí)包。