Python是一种面向对象的解释型计算机程序设计语言,具有丰富和强大的库,再加上其简单、易学、速度快、开源免费、可移植性、可扩展性以及面向对象的特点,Python成为2017年最受欢迎的最受欢迎的编程语言!
人工智能是当前最热门话题之一,机器学习技术是人工智能实现必备技能,Python编程语言含有最有用的机器学习工具和库,以下是Python开发工程师必知的十大机器学习库!
**一、Scikit-Learn**
在机器学习和数据挖掘的应用中,Scikit-Learn是一个功能强大的Python包,我们可以用它进行分类、特征选择、特征提取和聚集。
**二、Statsmodels**
Statsmodels是另一个聚焦在统计模型上的强大的库,主要用于预测性和探索性分析,拟合线性模型、进行统计分析或者预测性建模,使用 Statsmodels是非常合适的。
**三、PyMC**
PyMC是做“贝叶斯曲线”的工具,其包含贝叶斯模型、统计分布和模型收敛的诊断工具,也包含一些层次模型。
**四、Gensim**
Gensim被称为“人们的主题建模工具”,其焦点是狄利克雷划分及变体,其支持自然语言处理,能将NLP和其他机器学习算法更容易组合在一起,还引用了Google的基于递归神经网络的文本表示法word2vec。
**五、Orange**
Orange是一种带有图形用户界面的库,在分类、聚集和特征选择方法方面,相当齐全,还有交叉验证的方法。
**六、PyMVPA**
PyMVPA是一种统计学习库,包含交叉验证和诊断工具,但没有Scikit-learn全面。
**七、Theano**
Theano是最成熟的深度学习库,它提供了不错的数据结构表示神经网络的层,对线性代数来说很高效,与Numpy的数组类似,很多基于Theano的库都在利用其数据结构,它还支持开箱可用的GPU编程。
**八、PyLearn**
PyLearn是一个基于Theano的库,它给Theano引入了模块化和可配置性,可以通过不同的配置文件来创建神经网络。
**九、Hebel**
Hebel是一个带有GPU支持的神经网络库,可以通过YAML文件决定神经网络的属性,提供了将神级网络和代码友好分离的方式,并快速地运行模型,它是用纯Python编写,是很友好的库,但由于开发不久,就深度和广大而言,还有些匮乏!
**十、Neurolab**
Neurolab是一个API友好的神经网络库,其包含递归神经网络实现的不同变体,如果使用RNN,这个库是同类API中最好的选择之一。
以上是Python开发工程师必知十大机器学习库,除此之外,还有OverFeat、Nolearn以及Decaf等机器学习库,在此就不一一介绍了,感兴趣的可以深入学习一下!
有疑问加站长微信联系(非本文作者)