4、Python机器学习实战：打造低价公寓查找应用

Python机器学习实战：打造低价公寓查找应用

1. Python机器学习生态系统简介

在机器学习领域，Python拥有丰富的库和工具，为开发者提供了强大的支持。其中，scikit - learn是一个非常出色的机器学习库，它的强大之处在于其代码的灵活性和可扩展性。

例如，我们可以通过以下代码计算相关数据：

rf['correct'].sum()/rf['correct'].count()

在使用scikit - learn时，我们可以轻松地在不同的分类器之间切换。比如从随机森林分类器切换到支持向量机（SVM），几乎不需要对代码进行大量修改，仅需更改导入的库和实例化分类器的那一行代码。不过，有时需要对数据类型进行一些转换，例如SVM可能无法像随机森林分类器那样处理NumPy字符串类型的y标签，这时就需要进行特定的数据类型转换，否则会导致错误，但这只是小问题。

当我们决定将机器学习模型投入生产时，有多种部署选项可供选择，这主要取决于应用程序的性质。部署方式可以从在本地机器上运行的定时任务到在亚马逊EC2实例上进行的全面部署。

为了更方便地搭建机器学习环境，建议使用Anaconda Python发行版（http://anaconda.org）。它是一个预打包的解决方案，允许我们通过下载和安装单个可执行文件来处理所有的包和依赖项。而且，Anaconda还包含一个包管理器，只需输入 conda update <package_name> ，就可以将包更新到最新的稳定版本。

2. 构建低价