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 python3Windows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：
《实时机器学习实战》 彭河森、汪涵