np.newaxis])y = np.ones(10)################################

　　环境搭建过程挺麻烦...但终于是弄好了，先给一些过程中参考的对照重要的资料（找微软的机器学习资料是小我私家摸索经验，无任何借鉴）：

　　　　1.如果嫌网上各类numpy、scipy等等包的安置教程麻烦的话就直接去：微软机器学习处事器进行下载安置，途中可能会遇到一些问题，主要是powershell的权限问题，可以到微软的官方文档：powershell执行计谋问题找到解决方案。告成能够运行powershell脚本的权限后可能还是会有这样的问题：

无法加载文件："...",未对文件"..."进行数字签名,无法在当前系统上运行该脚本。

　　　　这时我们不要急，找到powershell脚本，点击右键->属性。可能会不才方看到一句类似"该脚本可能无法在当前系统运行"，然后旁边有一个解锁脚本（貌似叫这个）的勾选框，勾选即可。然后，再用打点员身份运行powershell并执行脚本就能告成运行了：

　　　　　　然后就一直期待下载完毕。至于为什么就下载这一个就可以了，上面链接里面有提到：

　　　　　　其实版本应该都是最新版的，于是，，弄好以后凭据Anaconda的使用要领再按本身需求安置的各类包等等就好了。

　　　　　　到GitHub scikit-learn下载scikit-learn，安置要领等等链接里面都有，我就不久不多说了。

　　　　2.就凭据网上其他的步伐去安置。

　　　　　　这个就本身去网上查资料，找步伐了，我给出一些可能有用的资料吧：

https://www.anaconda.com/download/#windows https://www.scipy.org/install.html https://pypi.python.org/pypi/pip https://pypi.python.org/pypi/numpy

　　　　　　如果觉得都弄好了可以测试一下：

　　　　　　在存放sklearn文件的目录下运行cmd，键入命令：

pytest sklearn

　　　　　　然后回车，如果没有呈现找不到的提示和一些错误就应该没问题，或者用cmd打开python，键入：

import sklearn

　　　　　　然后回车，如果没有呈现任何问题，只是转行，就说明没问题了。

　　　　　　其他几个包也一样可以用上面的要领检测。

　　　　　　检察本身安置的包的版本可以使用下面的命令：

　　　　　　　　1.如果有pip.exe的话：

pip list

　　　　　　　　2.Anaconda：

conda list

　　

　　整个安置和配置过程我就说这么多了，这个过程可能会很多次掉败...但为了学习到更多的对象，还是得耐心的一步一步的测试和找原因。

　　注意：我用的windows 10，可能我的解决步伐并不能适用所有情况。

　　下面是我的第一个机器学习的例子：

#参考博客： import numpy as np import matplotlib.pyplot as plt from sklearn import linear_model # X is the 10x10 Hilbert matrix X = 1. / (np.arange(1, 11) + np.arange(0, 10)[:, np.newaxis]) y = np.ones(10) ############################################################################### # Compute paths n_alphas = 200 alphas = np.logspace(-10, -2, n_alphas) clf = linear_model.Ridge(fit_intercept=False) coefs = [] for a in alphas: clf.set_params(alpha=a) clf.fit(X, y) coefs.append(clf.coef_) ############################################################################### # Display results ax = plt.gca() ax.set_color_cycle([‘b‘, ‘r‘, ‘g‘, ‘c‘, ‘k‘, ‘y‘, ‘m‘]) ax.plot(alphas, coefs) ax.set_xscale(‘log‘) ax.set_xlim(ax.get_xlim()[::-1]) # reverse axis plt.xlabel(‘alpha‘) plt.ylabel(‘weights‘) plt.title(‘Ridge coefficients as a function of the regularization‘) plt.axis(‘tight‘) plt.show()

　　运行功效：

　　　我原来想用PyCharm写的，但并不能导入那些包，等我再琢磨琢磨怎么才华用PyCharm来写 机器学习-Python。

　　　最后，通过这几次的探索学习发明，如果学习上遇到困难，第一时间找官方文档和一些相关论文能更好的节省时间并解决问题。

--------------------------------------update 2018-01-01 20:03:17--------------------------------------

　　之后又查了以下powershell对脚本的一些执行相关的对象，找到一篇不错的文章，虽然官方文档都有说明，但没有太多测试用例，于是想把链接放在这里：