我正在考虑使用 Python 库进行机器学习实验。到目前为止，我一直在依赖 WEKA，但总体上还是很不满意。这主要是因为我发现 WEKA 没有得到很好的支持（很少有例子，文档很少，社区支持在我的经验中不太理想），并且发现自己陷入了困境，没有任何帮助。我考虑采取这一举措的另一个原因是因为我真的很喜欢 Python（我是 Python 新手），并且不想回到 Java 编码。
所以我的问题是，还有什么
我对做文本分类特别感兴趣，所以想使用一个库，它有很好的分类器集合、特征选择方法（信息增益、卡方等）和文本预处理能力（词干提取、停用词删除） , tf-idf 等）。
根据过去在这里和其他地方的电子邮件线程，到目前为止，我一直在研究 PyML、scikits-learn 和 Orange。关于我提到的上述 3 个指标，人们的体验如何？
还有其他建议吗？
关于 scikit-learn 选项：100k（稀疏）特征和 10k 样本足够小以适合内存，因此完全可以使用 scikit-learn（与 20 个新闻组数据集大小相同）。
这是我在 PyCon 2011 上提供的教程，其中有一章是关于文本分类的练习和解决方案：
http://scikit-learn.github.com/scikit-learn-tutorial/（在线HTML版）
https://github.com/downloads/scikit-learn/scikit-learn-tutorial/scikit_learn_tutorial.pdf（PDF版）
https://github.com/scikit-learn/scikit-learn-tutorial（源码+练习）
我还就该主题发表了演讲，该主题是我在 PyCon FR 上提供的版本的更新版本。以下是幻灯片（以及评论中的嵌入视频）：
至于特征选择，请查看 quora 上的这个答案，其中所有示例均基于 scikit-learn 文档：
我们在 scikit-learn 中还没有搭配特征提取。同时使用 nltk 和 nltk-trainer 执行此操作：
在处理文本方面，请查看 NLTK。非常非常好地支持和记录（甚至还有一本书在线，或者如果您愿意，可以在纸上）并且会做您需要的预处理。您可能会发现 Gensim 也很有用；重点是向量空间建模，如果感兴趣的话，它可以实现 LSI 和 LDA（我认为也是 pLSI）的可扩展实现。它还将通过 tf-idf 进行选择 - 我不确定 NLTK 是否会这样做。我已经在大约 50k 的语料库上轻松使用了这些片段。
NLTK： http ://www.nltk.org/
Gensim： http ://nlp.fi.muni.cz/projekty/gensim/
不幸的是，至于您问题的主旨，我不熟悉您引用的特定库（尽管我之前使用过一些 scikits-learn ）。
Python 有大量的机器学习库（也可以查看 mloss.org）。然而，我总觉得它对机器学习研究人员比机器学习从业者更有用。
Numpy/SciPy和matplotlib是使用 Python 进行科学工作的优秀工具。如果您不害怕自己破解大多数数学公式，您将不会失望。此外，将 GPU 与cudamat或gnumpy一起使用非常容易- 以前需要几天才能完成的实验现在可以在几小时甚至几分钟内完成。
街区里最新的孩子可能是Theano。它是一种用于数学表达式的符号语言，带有优化、GPU 实现和 über 特征自动微分，这对于基于梯度的方法来说简直太棒了。
另外，据我所知，JMS 提到的 NLTK 基本上是目前排名第一的开源自然语言库。
Python 是机器学习的正确工具。
让我推荐Orange
综合的
是的
可扩展（100k 特征，10k 示例）
是的
在 Python 中进行机器学习的支持良好的库？
是的
具有大量分类器、特征选择方法（信息增益、卡方等）的库，
所有这些都在 Orange 中开箱即用
和文本预处理功能（词干、停用词删除、tf-idf 等）。
不过，我从未使用 Orange 进行文本处理