Python通常被應用統(tǒng)計技術或者數(shù)據(jù)分析人員當做工作中的首選語言。數(shù)據(jù)科學家也會用python作為連接自身工作與WEB 應用程序/生產環(huán)境集成中。

Python在機器學習領域非常出色。它具有一致的語法、更短的開發(fā)時間和靈活性，非常適合開發(fā)能夠直接插入生產系統(tǒng)的復雜模型和預測引擎。

Python的一個最大的資產是其廣泛的庫。

庫是一組用給定語言編寫的程序和功能的集合。一組健壯的庫可以使開發(fā)人員更容易執(zhí)行復雜的任務，而無需重寫許多代碼。

機器學習很大程度上是基于數(shù)學。具體來說就是數(shù)學優(yōu)化、統(tǒng)計和概率。Python庫幫助那些不具備開發(fā)人員知識的研究人員/數(shù)學家輕松地“進行機器學習”。

以下是機器學習中最常用的一些庫:

Scikit-learn 經典的ML算法

 

 

Scikit-learn 是最流行的ML 庫之一，他支持很多監(jiān)督學習和非監(jiān)督學習算法。例如：線性回歸，邏輯回歸，決策樹，聚類 ，k-means等。

他基于兩個python庫：Numpy 和 Scipy 。 他為常見的機器學習和數(shù)據(jù)挖掘提供了一組算法：聚類，回歸和分類。甚至像數(shù)據(jù)轉換，特征選擇，集成學習這樣的任務也可與通過簡短幾行代碼實現(xiàn)。

對于機器學習的新手來說，Scikit-learn 是一個夠用的工具，直到你自己開始實現(xiàn)更復雜的算法。

Tensorflow for Deep Learning 深度學習

 

 

如果你在機器學習的世界里，你可能聽過，嘗試過或者實現(xiàn)過某種形式的深度學習的算法。但是他們是必要的嗎?回答可能是不必要。但是完成他們后感覺很酷對嗎? 回答是：對的!酷斃了。

Tensorflow 有趣的地方在于，當你使用python 編寫代碼，你可以編譯和運行在你的CPU 或者GPU 上，而且你不需要寫 c++或者 CUDA 的代碼，就可以運行在GPUs 集群上。

他使用一個多層節(jié)點的系統(tǒng)，允許你快速的簡歷，訓練，部署具有大量數(shù)據(jù)集的人工神經網(wǎng)絡。這讓谷歌能夠識別照片中的物體，通過語音識別程序理解在口語中的單詞。

Theano is also for Deep Learning

 

 

Theano 是另一個用于數(shù)值計算的優(yōu)秀類庫，有點類似于Numpy。Theano 允許你高效的定義，優(yōu)化和評估涉及多維數(shù)組的數(shù)學表達式。

使Theano 與眾不同的是它利用了計算機的GPU。這使得它能夠比單獨在CPU上運行時快100倍進行數(shù)據(jù)密集型計算。Theano的速度使得它對于深度學習和其他復雜的計算任務特別有價值。

Theano 庫的最終發(fā)布是在去年——2017年，版本1.0.0包含了許多新特性、界面更改和改進。

Pandas 數(shù)據(jù)提取與預處理

panda是一個非常流行的庫，它提供了簡單易用且直觀的高級數(shù)據(jù)結構。

它有許多內建的方法來分組、組合數(shù)據(jù)和過濾以及執(zhí)行時間序列分析。

panda可以輕松地從SQL數(shù)據(jù)庫、CSV、Excel、JSON文件等不同來源獲取數(shù)據(jù)，并對數(shù)據(jù)進行操作。圖書館有兩個主要結構:

Series“級數(shù)”---- 一維 。

 

 

Data Frames“數(shù)據(jù)幀”---- 二維。

 

 

如果想得知關于如何使用序列和數(shù)據(jù)看框架的更多細節(jié)，請查看的我的其他文章。

Matplotlib用于數(shù)據(jù)可視化

 

 

如果你不能很好的與其他人交流，那么最好的，最復雜的機器學習就顯得沒有意義。

那么如何從這些數(shù)據(jù)中轉換出價值呢?你如何激勵你的業(yè)務分析師，告訴他們充滿“洞察力”的“故事”?

這就是Matplotlib發(fā)揮作用的地方。它是每個數(shù)據(jù)科學家用于創(chuàng)建2D圖形和圖形的標準Python庫。它是命令行簡單，這意味著它需要更多的命令來生成好看的圖形和數(shù)字，而不是使用一些高級庫。

然而，這也帶來了靈活性。有了足夠的命令，您可以使用Matplotlib制作任何您想要的圖形。您可以構建不同的圖表，從直方圖和散點圖到非笛卡爾坐標圖。

它支持所有操作系統(tǒng)上的不同GUI后端，還可以將圖形導出到通用矢量和圖形格式，如PDF、SVG、JPG、PNG、BMP、GIF等。

Seaborn是另一個數(shù)據(jù)可視化庫

 

 

Seaborn是一個流行的可視化庫，它建立在Matplotlib的基礎之上。它是一個高級庫，這意味著更容易生成某些類型的圖，包括熱圖、時間序列和小提琴圖。

最后

這是機器學習中最重要的Python庫的集合。如果您打算使用Python和數(shù)據(jù)科學，那么這些庫是值得一看的，同時也值得您熟悉。

我是否錯過了任何重要的Python ML庫?如果是，請務必在下面的評論中提到它。盡管我試圖介紹最有用的庫，但可能仍然沒有介紹其他一些值得研究的庫。

原標題 ：Essential libraries for Machine Learning in Python

作者：Shubhi Asthana 翻譯： 就2

原文鏈接：https://medium.freecodecamp.org/essential-libraries-for-machine-learning-in-python-82a9ada57aeb

標簽： 代碼 谷歌 數(shù)據(jù)分析 數(shù)據(jù)庫 網(wǎng)絡

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。