ubuntu14.04安装scikit-learn

python 2.7
1、安装依赖
sudo apt-get install build-essential python-dev python-numpy python-setuptools python-scipy libatlas-dev libatlas3-base
2、配置matplotlib库，进行画图之类的
sudo apt-get install python-matplotlib
3、配置scikit-learn库
sudo apt-get install python-sklearn
4、验证
python
import numpy
import scipy
import matplotlib
import sklearn
不报错，安装成功
示例：
斜线坐标，测试matplotlib

import matplotlibimport numpyimport scipyimport matplotlib.pyplot as pltplt.plot([1,2,3])plt.ylabel('some numbers')plt.show()

桃心程序，测试numpy和matplotlib

import numpy as npimport matplotlib.pyplot as pltX = np.arange(-5.0, 5.0, 0.1)Y = np.arange(-5.0, 5.0, 0.1)x, y = np.meshgrid(X, Y)f = 17 * x ** 2 - 16 * np.abs(x) * y + 17 * y ** 2 - 225fig = plt.figure()cs = plt.contour(x, y, f, 0, colors = 'r')plt.show()

显示Matplotlib强大绘图交互功能

import numpy as npimport matplotlib.pyplot as pltN = 5menMeans = (20, 35, 30, 35, 27)menStd =   (2, 3, 4, 1, 2)ind = np.arange(N)  # the x locations for the groupswidth = 0.35        # the width of the barsfig, ax = plt.subplots()rects1 = ax.bar(ind, menMeans, width, color='r', yerr=menStd)womenMeans = (25, 32, 34, 20, 25)womenStd =   (3, 5, 2, 3, 3)rects2 = ax.bar(ind+width, womenMeans, width, color='y', yerr=womenStd)# add someax.set_ylabel('Scores')ax.set_title('Scores by group and gender')ax.set_xticks(ind+width)ax.set_xticklabels( ('G1', 'G2', 'G3', 'G4', 'G5') )ax.legend( (rects1[0], rects2[0]), ('Men', 'Women') )def autolabel(rects):    # attach some text labels    for rect in rects:        height = rect.get_height()        ax.text(rect.get_x()+rect.get_width()/2., 1.05*height, '%d'%int(height),                ha='center', va='bottom')autolabel(rects1)autolabel(rects2)plt.show()

矩阵数据集，测试sklearn

from sklearn import datasetsiris = datasets.load_iris()digits = datasets.load_digits()print digits.data

中文分词采用的jieba分词，安装jieba分词包
sudo pip install jieba
计算TF-IDF词语权重，测试scikit-learn数据分析

# coding:utf-8__author__ = "liuxuejiang"import jiebaimport jieba.posseg as psegimport osimport sysfrom sklearn import feature_extractionfrom sklearn.feature_extraction.text import TfidfTransformerfrom sklearn.feature_extraction.text import CountVectorizerif __name__ == "__main__":    corpus=["我 来到 北京 清华大学",     #第一类文本切词后的结果 词之间以空格隔开        "他 来到 了 网易 杭研 大厦",     #第二类文本的切词结果        "小明 硕士 毕业 与 中国 科学院",  #第三类文本的切词结果        "我 爱 北京 天安门"]            #第四类文本的切词结果    #该类会将文本中的词语转换为词频矩阵，矩阵元素a[i][j] 表示j词在i类文本下的词频    vectorizer=CountVectorizer()    #该类会统计每个词语的tf-idf权值    transformer=TfidfTransformer()    #第一个fit_transform是计算tf-idf，第二个fit_transform是将文本转为词频矩阵    tfidf=transformer.fit_transform(vectorizer.fit_transform(corpus))    #获取词袋模型中的所有词语    word=vectorizer.get_feature_names()    #将tf-idf矩阵抽取出来，元素a[i][j]表示j词在i类文本中的tf-idf权重    weight=tfidf.toarray()    #打印每类文本的tf-idf词语权重，第一个for遍历所有文本，第二个for便利某一类文本下的词语权重    for i in range(len(weight)):        print u"-------这里输出第",i,u"类文本的词语tf-idf权重------"        for j in range(len(word)):            print word[j],weight[i][j]

运行结果：

-------这里输出第 0 类文本的词语tf-idf权重------中国 0.0北京 0.52640543361大厦 0.0天安门 0.0小明 0.0来到 0.52640543361杭研 0.0毕业 0.0清华大学 0.66767854461硕士 0.0科学院 0.0网易 0.0-------这里输出第 1 类文本的词语tf-idf权重------中国 0.0北京 0.0大厦 0.525472749264天安门 0.0小明 0.0来到 0.414288751166杭研 0.525472749264毕业 0.0清华大学 0.0硕士 0.0科学院 0.0网易 0.525472749264-------这里输出第 2 类文本的词语tf-idf权重------中国 0.4472135955北京 0.0大厦 0.0天安门 0.0小明 0.4472135955来到 0.0杭研 0.0毕业 0.4472135955清华大学 0.0硕士 0.4472135955科学院 0.4472135955网易 0.0-------这里输出第 3 类文本的词语tf-idf权重------中国 0.0北京 0.61913029649大厦 0.0天安门 0.78528827571小明 0.0来到 0.0杭研 0.0毕业 0.0清华大学 0.0硕士 0.0科学院 0.0网易 0.0