Anaconda是初学Python、入门机器学习的首选。

它是一个用于科学计算的Python发行版，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。

Anaconda具有如下特点：

• 开源
• 安装过程简单
• 高性能使用Python和R语言
• 免费的社区支持

其特点的实现主要基于Anaconda拥有的：

• conda包
• 环境管理器
• 1,000+ 开源库

Anaconda集成工具包及功能（部分）：

• NumPy：提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用，Python创建的所有更高层工具的基础，不提供高级数据分析功能
• Scipy：依赖于NumPy，它提供便捷和快速的N维向量数组操作。提供模块用于优化、线性代数、积分以及其它数据科学中的通用任务
• Pandas：基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的，包含高级数据结构，以及和让数据分析变得快速、简单的工具
• Matplotlib：Python最著名的绘图库

其中，Scikit-Learn是Anaconda中集成的开源机器学习工具包，主要涵盖分类，回归和聚类算法，可以直接调用传统机器学习的算法进行使用。

同时，Anaconda也兼容Google开发的第二代人工智能系统TensorFlow，进行深度学习的开发。

最后，通过一个基于Python的决策树案例来了解一下机器学习的过程：

贷款申请的决策树，用于对未来的贷款申请进行分类

具体实现过程如下

1. 准备数据集：从贷款申请样本数据表中，选取对训练数据具有分类能力的特征
2. 构建树：选择信息增益最大的特征作为分裂特征构建决策树
3. 数据可视化：使用Matplotlib对数据进行可视化
4. 执行分类：用于实际数据的分类。例如输入测试数据[0,1]，它代表没有房子，但是有工作，分类结果为“房贷”

附：Anaconda介绍、安装及使用教程