尔云生信代码|Milk—基于python语言简单实用的机器学习包
Milk是Python的一个机器学习工具箱，其重点是提供监督分类法与几种有效的分类分析：SVMs (基于libsvm)，K-NN，随机森林经济和决策树，还可以进行特征选择。
科研有捷径，输入代码，一键获取科研成果！就是这么省事，来具体看下有多方便！
搜索http://985.so/a9kb查看全部代码（目前共计50+持续新增中），也可以点击右侧【目录】，可以看到更多有趣的代码；真香提示：文末可以知道如何获取代码~
Milk ( Machine Learning Toolkit for Python)刚接触就首先被他的名字所吸引，“Milk”，正如他的名字一样，结构小巧，语句简洁，适用性强。
虽没有sklearn那样灵活多变，也没有orange那样用户友善，但是Milk能在强大的python中占有一席之位，还是有它自己独到的优势的。
Milk是Python的一个机器学习工具箱，其重点是提供监督分类法与几种有效的分类分析：SVMs (基于libsvm)，K-NN，随机森林经济和决策树。
它还可以进行特征选择。这些分类可以在许多方面相结合，形成不同的分类系统。对于无监督学习，它提供K-means和affinity propagation聚类算法。今天我们就来简单介绍一下这个简单实用的机器学习包Milk。
第一步安装：
如果你已经配置好了python环境，那么就可以通过如下方法进行easy install。当然前提是配置了环境变量。下载地址http://luispedro.org/software/milk
1. Easy_install milk
2. Python setup.py install
3. Pip install milk
第二步训练模型：
图中我们创建了一个100*10的矩阵，代表100个样本点和10个特征值。前50个类别为0，后50个类别为1。我们利用features和labels来训练模型，输出一个精度
可见精度为96%，模型的精度还是很令人满意的。那么我们如何利用模型进行预测呢？
我们通过随机创建一组newfeatures用于预测，同样是100个数据点，用train这个类来进行建模，通过apply这个类来进行预测。预测结果如下
可见100个数据点中有3个点预测错误，精度为97%，和训练模型时的估计精度吻合，说明了我们这个预测模型的稳健性。
Milk中还提供了其他分类模型，如SVM，Kmeans，nfoldcrossvalidation等模型。从灵活度上来看并不如其他机器学习包，但是就实用性和复杂度来说，Milk是一个十分适合初学者使用的机器学习包。
