由于最近手头项目需要，我查阅了Python相关的机器学习库。我将不断地更新本贴，从而详细说明各个库的优劣。
一、前提
在Pthon下做机器学习，需要科学计算包和绘图库的支持，科学计算则是NumPy或SciPy，似乎NumPy更流行些。画图工具包则必定为matplotlib。这些都是开源、免费使用的，选择这些库主要的原因是做线性代数中的矩阵计算极为便利，而且效率比自己开发高的多。
二、机器学习库
（1）scikit-learn
[http://scikit-learn.org/]
Python下做机器学习，首推scikit-learn。该项目文档齐全、讲解清晰，功能齐备，使用方便，而且社区活跃。
（2）Orange
[ http://orange.biolab.si/ ]
机器学习是其的功能之一，主要还是侧重数据挖掘，可以用可视化语言或Python进行操作，拥有机器学习组件，还具有生物信息学以及文本挖掘的插件。
（3）shogun
[ http://shogun-toolbox.org/ ]
shogun，非日本的老外弄的一个机器学习库，还专门配了 一个我们能看懂的日文名“将军”（是日本幕府时代的将军）。文档齐全，开发活跃，更新快，运算速度也很快。主攻大尺度的核函数，尤其是大尺度核函数下的SVM。具有很多SVM的高级用法，比如多核配用等。支持Python、R、C++、Matlab等语言。
（4）其它
A.pyml(a python module for machine learning，支持svm/knn/k-means==)
http://mlpy.sourceforge.net/
B.milk(python的机器学习工具包，主要是针对监督学习，包括svm/knn/决策树)
http://pypi.python.org/pypi/milk/
本文参考了oschina.net及 http://www.cnblogs.com/wuren/archive/2013/03/27/2985352.html
一、前提
在Pthon下做机器学习，需要科学计算包和绘图库的支持，科学计算则是NumPy或SciPy，似乎NumPy更流行些。画图工具包则必定为matplotlib。这些都是开源、免费使用的，选择这些库主要的原因是做线性代数中的矩阵计算极为便利，而且效率比自己开发高的多。
二、机器学习库
（1）scikit-learn
[http://scikit-learn.org/]
Python下做机器学习，首推scikit-learn。该项目文档齐全、讲解清晰，功能齐备，使用方便，而且社区活跃。
（2）Orange
[ http://orange.biolab.si/ ]
机器学习是其的功能之一，主要还是侧重数据挖掘，可以用可视化语言或Python进行操作，拥有机器学习组件，还具有生物信息学以及文本挖掘的插件。
（3）shogun
[ http://shogun-toolbox.org/ ]
shogun，非日本的老外弄的一个机器学习库，还专门配了 一个我们能看懂的日文名“将军”（是日本幕府时代的将军）。文档齐全，开发活跃，更新快，运算速度也很快。主攻大尺度的核函数，尤其是大尺度核函数下的SVM。具有很多SVM的高级用法，比如多核配用等。支持Python、R、C++、Matlab等语言。
（4）其它
A.pyml(a python module for machine learning，支持svm/knn/k-means==)
http://mlpy.sourceforge.net/
B.milk(python的机器学习工具包，主要是针对监督学习，包括svm/knn/决策树)
http://pypi.python.org/pypi/milk/
本文参考了oschina.net及 http://www.cnblogs.com/wuren/archive/2013/03/27/2985352.html
