使用机器学习的开发工具很多，如Matlab，R语言，Python等等。

本系列文章不会涉及深入的机器学习原理，旨在让你迅速上手，入门Python进行机器学习。

本文提供一系列资源，教你打造一个Python机器学习的平台。

1、下载资源

Python

本文以Python 3.4为例。当然你可以使用老版本。

老版本的一个优势是扩展库比较多。

链接：https://www.python.org/

下面是Python的扩展库。扩展库必须与使用的Python版本相对应。

这里给出一个神地址，能快速下载到下面需要的，各种平台、各种python版本的扩展库。

http://www.lfd.uci.edu/~gohlke/pythonlibs/

numpy：用于处理大规模多维数据。

scipy：数学库。

scikit-learn：机器学习库。

matplotlib：可视化数据神器。文档和示例地址：http://matplotlib.org/gallery.html

上面的安装文件如果是exe，会自动帮你拷贝到python目录。否则你需要自己拷贝到python3.4.2\Lib\site-packages下。

2、测试库

在python中使用类似“import matplotlib”的方式来查看库的安装是否正确。提示缺少什么库，就去上面的神地址里搜索，下载安装。

这几个库装完后，可能会有部分依赖库需要单独安装：

six、nose、pyparsing、dateutil。

如果出现类似six版本低于1.3之类的提示，你可能需要找到site-packages下的six.py拷贝到site-packages目录下替换老的。

3、其他资源推荐

Python教程：http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000

sci-learn教程：http://scikit-learn.org/stable/

windows下Python的IDE选择：http://blog.csdn.net/cserchen/article/details/7036435

经典Python机器学习入门书籍《机器学习系统设计》的源码和数据：https://github.com/luispedro/BuildingMachineLearningSystemsWithPython/tree/master/ch02