[[261913]]

 本文經(jīng)AI新媒體量子位（公眾號 ID: QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處”。

用Python搞機器學習、數(shù)據(jù)科學，需要很多相關(guān)的資料，各種庫、工具，都是常用、常找、常查的內(nèi)容。

最近，維也納的數(shù)據(jù)科學家Florian Rohrer把這類相關(guān)資料整理成了一個Python機器學習工具合輯，可以照著更新一下自己的收藏夾了。

四十幾類項目

整個列表中，包含超過40類內(nèi)容：

核心工具、Pandas和Jupyter、文本提取、大數(shù)據(jù)、統(tǒng)計、特征提取、可視化、地理工具、推薦系統(tǒng)、決策樹、NLP、CV、神經(jīng)網(wǎng)絡(luò)、GPU、聚類、機器學習可解釋性、強化學習……

具體都有什么呢?比如***部分核心工具：

pandas、scikit-learn這些常用的庫都有，直接鏈接到它們的GitHub或者官網(wǎng)頁面。

再比如說可視化部分：

包括可以生成3D效果圖的physt：

做各種統(tǒng)計圖表的Yellowbrick：

這哪怕是做PPT，都非常有用啊!

資源列表大集結(jié)

另外，項目貢獻者還安利了幾個GitHub上不錯的資源列表：

大部分都是幾百幾千星的資源表，也有不少標星數(shù)萬的經(jīng)典內(nèi)容，比如awesome-machine-learning：

各種語言項目都有，是真的awesome。

常用代碼

***，還有一個部分是“經(jīng)常Google的內(nèi)容”。

可能對大家有用的代碼：

傳送門

***，送上資源傳送門：

https://github.com/r0f1/datascience