用Python做机器学习大概需要下面这些软件：

1).Python(废话)

2).NumPy

3).SciPy

4).Scikit-learn

5).Matplotlib 

一、软件简介       

    Numpy

    NumPy是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。包括：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和scipy配合使用更加方便。

关于NumPy的使用在其官网上有很多的说明，这里就不再介绍了。 

    官网地址：http://www.numpy.org

    SciPy

    SciPy是一个科学计算工具集。如果说NumPy提供了高效的数据结构，那么SciPy则是提供了基于这些数据结构的算法级应用。无论是矩阵运算、线性代数、最优化方法、聚类、空间运算，还是傅里叶变换都囊括其中。

 

SciPy工具包	功能
cluster	层次聚类（cluster.hierarchy）   矢量量化/K均值（cluster.vq）
constants	物理和数学常量
fftpack	离散傅里叶变换算法
integrate	积分例程
interpolate	插值（线性的、三次方的等等）
io	数据输入和输出
linalg	采用优化BLAS和LAPACK库的线性代数函数
maxentropy	最大熵模型的函数
ndimage	N维图像工具包
odr	正交距离回归
optimize	最优化（寻找极小值和方程的根）
signal	信号处理
sparse	稀疏矩阵
spatial	空间数据结构和算法
special	特殊数学函数如贝塞尔函数或雅克比函数
stats	统计学工具包

对于机器学习来说，最常用的大概有scipy.stats、scipy.interpolate、scipy.cluster和scipy.signal。 

    官网地址：http://www.scipy.org       

    Scikit-Learn

    Scikit-Learn是基于python的机器学习模块，而Scikit-Learn的安装需要numpy，scipy，matplotlib等模块。基本功能主要被分为六个部分，分类，回归，聚类，数据降维，模型选择，数据预处理。详细的信息可以访问官网了解，有大量的文档。 

    官网地址：http://scikit-learn.org       

    Matplotlib

    Matplotlib是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。在数据分析中，常常需要直观的去观察数据，这时候就需要将数据图形化的表示出来。这就是这个库的用处。

二、软件安装

首先当然要安装pip,怎么安装就不说了，中间安装的话会需要很多其他依赖包，遇到什么就安装什么就好了。说了这么多不得不说windows真的好坑，常常出现一些麻烦的问题，那么推荐一款软件(Anaconda)，直接一键安装所有的包。这个软件是逗比CharyXiao推荐的，直接到这https://www.continuum.io/downloads下载对应版本就好了。