《ML：懒惰的功能性机器学习算法与数据结构》一书聚焦于介绍各类“懒惰”学习算法及其应用的数据结构，深入浅出地解析了延迟计算在提升预测模型效率和灵活性方面的独特优势。本书适合对机器学习感兴趣的读者阅读。
`learn.py` 是一个用 Python3 编写的通用 ETL（提取、转换、加载）和机器学习库，专注于惰性与函数式编程风格。它目前包括各种决策树、回归工具及文本分类器，并已经开始研究神经网络、支持向量机和 EM 聚类。
所需库包含在 `requirements.txt` 文件中，可以通过以下命令安装：
```
pip install -r requirements.txt
```
使用示例：大多数类都支持相同的 API，因此可以按照如下方式使用：
```python
from ml.module import MLClass
clf = MLClass(data=my_training_data, results=Training_results)
predictions = clf.predict(test_data)
```
需要注意的是，输出是一个可迭代的对象，所以是按需计算的。
命令行界面：该项目具有一个简单的命令行接口。
5星
