1. scikit-learn: Machine Learning in Python

scikit-learn是一个基于NumPy, SciPy, Matplotlib的开源机器学习工具包，主要涵盖分类，回归和聚类算法，

例如SVM， 逻辑回归，朴素贝叶斯，随机森林，k-means等算法，代码和文档都非常不错，在许多Python项

目中都有应用。

官方主页：http://scikit-learn.org/

2. Milk：Machine learning toolkit in Python

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。

官方主页：http://luispedro.org/software/milk

3. PyML – machine learning in Python

PyML是一个Python机器学习工具包，为各分类和回归方法提供灵活的架构。它主要提供特征选择、模型选择、

组合分类器、分类评估等功能。

项目主页：http://pyml.sourceforge.net/

4. PyBrain

PyBrain是Python的一个机器学习模块，它的目标是为机器学习任务提供灵活、易应、强大的机器学习算法。

PyBrain正如其名，包括神经网络、强化学习(及二者结合)、无监督学习、进化算法。因为目前的许多问题需要

处理连续态和行为空间，必须使用函数逼近(如神经网络)以应对高维数据。PyBrain以神经网络为核心，所有的

训练方法都以神经网络为一个实例。

官方主页：http://www.pybrain.org/

5. Monte – gradient based learning in Python

Monte是一个纯Python机器学习库。它可以迅速构建神经网络、条件随机场、逻辑回归等模型，使用inline-C优

化，极易使用和扩展。

官方主页：http://montepython.sourceforge.net

6. PyMVPA: MultiVariate Pattern Analysis (MVPA) in Python

 PyMVPA是为大数据集提供统计学习分析的Python工具包，它提供了一个灵活可扩展的框架。它提供的功能有分

类、回归、特征选择、数据导入导出、可视化等

官方主页：http://www.pymvpa.org/