尔云间 一个专门做科研的团队

原创 eryun 云生信学生物信息学

文献解读｜期刊推荐｜代码

铁死亡｜免疫浸润｜肿瘤微环境

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

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。