Github|Python开源项目漫游指南（一）

Scikit-learn

Scikit-learn是基于Scipy为机器学习建造的的一个Python模块，他的特色就是多样化的分类，回归和聚类的算法包括支持向量机，逻辑回归，朴素贝叶斯分类器，随机森林，Gradient Boosting，聚类算法和DBSCAN。该项目由David Cournapeau建立于2007年。起初作为谷歌暑期项目，从那时起，许多志愿者都作出了贡献。scikit-learn之前被称作scikits.learn。

重要链接

• 项目源代码地址：https://github.com/scikit-learn/scikit-learn
• HTML文档（稳定版）：http://scikit-learn.org
• HTML文档（开发版）：http://scikit-learn.org/dev/
• 文件下载地址：http://sourceforge.net/projects/scikit-learn/files/
• 问题跟踪：https://github.com/scikit-learn/scikit-learn/issues
• 邮件列表：https://lists.sourceforge.net/lists/listinfo/scikit-learn-general
• IRC频道：#scikit-learn at http://irc.freenode.net

依赖包

• scikit-learn支持Python2.6、Python2.7和Python2.5、Python3.4、Python3.3
• 编译软件所需要的依赖包是NumPy >= 1.6.1, SciPy >= 0.9,C/C++编译器,在生产环境中需要安装Cython >=0.23，运行示例需要还安装Matplotlib >= 1.1.1，运行测试版本还需要安装nose >= 1.1.2。
• scikit-learn同时使用CBLAS，一个基本线性代数子程序库的C接口。

安装

• 默认安装再home文件夹根目录 python setup.py install --user
• 在Unix/Linux系统为所有用户使用
• python setup.py build sudo python setup.py install

贡献代码

• 您可以使用以下命令查看最新的来源： git clone https://github.com/scikit-learn/scikit-learn.git
• 关于如何设置环境的快速教程： https://github.com/scikit-learn/scikit-learn/blob/master/CONTRIBUTING.md
• 在开始之前，请查看文档以确保您的代码符合指南要求： http://scikit-learn.org/stable/developers/index.html

测试

• 安装完成后，您可以从源代码目录外启动测试用例（你需要先安装nose） $ nosetests -v sklearn
• 在Windows下，建议使用下面的命令（调整python.exe程序路径）因为测试用例使用multiprocessing时，nosetests.exe程序与其交互性能差： C:\Python34\python.exe -c "import nose; nose.main()" -v sklearn

Github项目地址

scikit-learn：https://github.com/scikit-learn/scikit-learn