这里我们学习Scikit Learn的安装和基本操作，并且尝试通过Scikit Learn对秒 级股票价格数据进行预测。

下载本章节实例程序和数据，只需执行下面操作：

git clone https://github.com/real-time-machine-learning/2-scikit-learn-intro

我们假设读者在Ubuntu或者Mac环境下进行学习。下面的步骤可以供Windows用户 参考，但可能需要稍作修改。

在Ubuntu 下面安装Python 3，只需执行下面操作：

sudo apt-get install python3 python3-pip python3-dev build-essential libffi6 libffi-dev

在Mac下利用Homebrew 安装Python 3，只需执行下面操作：

brew install python3

Windows用户……安装一下Ubuntu好吗？

这里我们通过Python的Pip配置文件的方法安装Scikit Learn。在后面的Docker学 习中，我们可以看到这样的配置方法非常利于自动化Docker操作。

sudo pip3 install -r requirements.txt

如果一切顺利，上面操作完成以后，我们可以启动Python3并且调用Pandas

python3 
>>> import sklearn 

本章具有多个实例模块：

• digits-knn.py: 使用K-最近邻估计对扫描数字数据进行分类
• digits-linear-regression.py: 使用逻辑回归对扫描数字数据进行分类
• iris-pipeline.py: 使用pipeline对Iris鲜花数据进行分类
• stock-model.py: 使用Scikit Learn对股价变化进行预测建模

感谢下面各位为本代码提出宝贵意见和指正：

• 张野飞

《实时机器学习实战》 彭河森、汪涵