万事开头难，作为第一篇博客，学不来深入浅出，妙趣横生，但求老老实实把事情说明白。

事情起源于kaggle竞赛者很慷慨地在github上开放了源码，kaggle非常贴心地将这些优异的解决方案和实现整理出来。对于小白级数据工作者，如我，是临摹思路，学习代码的绝好机会。为了享受这场盛宴，我在windows下搭建了python环境。由于ML包依赖有点复杂，本文赘述一二。

常见ML的python lib有：numpy, matplotlib, scipy, scikit-learn. 

方式一：

常用的windows下安装python第三方包的工具setuptools小巧而好用。它省略了安装python第三方包所需要的下载，解压，执行python **.py 等繁琐过程，默认到http://pypi.python.org/simple搜索第三方包并下载安装，类似于linux下的yun功能。

和yun一样，它也会检查依赖，因此numpy，matplotlib，scikit-learn，安装过程中都会报错。

方式二：

我选择手动安装:sourceforge提供了exe安装包，貌似不进行依赖检查，以上各个包可以直接安装。网上有观点说scikit-learn会依赖nose，这一点没进行确认。我直接先easy_install nose, 然后下载这三个包，并安装。

这样留下的后患是，在运行python代码时，会提示这些第三方包import *** 找不到。easy_install可以基本解决，如six。dateutil是个例外，并且sourceforge也没有提供安装包。

方式三：

此时，移步至dateutil: http://www.lfd.uci.edu/~gohlke/pythonlibs/#python-dateutil

pyparsing亦是：http://www.lfd.uci.edu/~gohlke/pythonlibs/#pyparsing

以上三种途径基本上可以获得所需要的第三方包。

windows下ML python lib的安装