萬事開頭難，作為第一篇博客，學不來深入淺出，妙趣橫生，但求老老實實把事情說明白。
事情起源于kaggle競賽者很慷慨地在github上開放了源碼，kaggle非常貼心地將這些優異的解決方案和實現整理出來。對于小白級數據工作者，如我，是臨摹思路，學習代碼的絕好機會。為了享受這場盛宴，我在windows下搭建了python環境。由于ML包依賴有點復雜，本文贅述一二。
常見ML的python lib有：numpy, matplotlib, scipy, scikit-learn.
常用的windows下安裝python第三方包的工具setuptools小巧而好用。它省略了安裝python第三方包所需要的下載，解壓，執行python **.py 等繁瑣過程，默認到http://pypi.python.org/simple搜索第三方包并下載安裝，類似于linux下的yun功能。
和yun一樣，它也會檢查依賴，因此numpy，matplotlib，scikit-learn，安裝過程中都會報錯。我選擇手動安裝:sourceforge提供了exe安裝包，貌似不進行依賴檢查，以上各個包可以直接安裝。網上有觀點說scikit-learn會依賴nose，這一點沒進行確認。我直接先easy_install nose, 然后下載這三個包，并安裝。
這樣留下的后患是，在運行python代碼時，會提示這些第三方包import *** 找不到。easy_install可以基本解決，如six。dateutil是個例外，并且sourceforge也沒有提供安裝包。此時，移步至dateutil:?http://www.lfd.uci.edu/~gohlke/pythonlibs/#python-dateutil
pyparsing亦是：http://www.lfd.uci.edu/~gohlke/pythonlibs/#pyparsing
以上三種途徑基本上可以獲得所需要的第三方包。
