通常，人們使用兩種編程語言之一來應(yīng)用機器學(xué)習(xí)(ML)方法和算法：Python或R.關(guān)于機器學(xué)習(xí)的書籍，課程和教程通常也使用這些語言中的一種(或兩者)。

[[270861]]

Python是一種通用編程語言，不僅用于機器學(xué)習(xí)，還用于科學(xué)計算，后端Web開發(fā)，桌面應(yīng)用程序等.R主要用于統(tǒng)計學(xué)家。但是，它們至少有兩個共同特征：

• 它們適合非程序員
• 他們有全面的ML庫

在許多情況下，ML算法在Fortran，C，C ++或Cython中實現(xiàn)，并從Python或R調(diào)用。

Java也用于機器學(xué)習(xí)，但通常由專業(yè)程序員使用。

在過去的幾年中，JavaScript得到了普及，并且出現(xiàn)了一些非常有趣的機器學(xué)習(xí)庫，可以在瀏覽器或Node.js上實現(xiàn)ML方法。令人驚訝的是，許多這些庫在JavaScript中實現(xiàn)了大量代碼。

ml.js

ml.js是一個全面的，通用的JavaScript ML庫，適用于瀏覽器和Node.js. 它提供了以下例程：

• 對數(shù)組，哈希表，排序，隨機數(shù)生成等的位操作。
• 線性代數(shù)，數(shù)組操作，優(yōu)化(Levenberg-Marquardt方法)，統(tǒng)計
• 交叉驗證
• 監(jiān)督學(xué)習(xí)
• 無監(jiān)督學(xué)習(xí)

支持的監(jiān)督學(xué)習(xí)方法是：

• 線性，多項式，指數(shù)和冪回歸
• K-最近鄰居
• 樸素貝葉斯
• 支持向量機
• 決策樹和隨機森林
• 前饋神經(jīng)網(wǎng)絡(luò)等

此外，ml.js提供了幾種無監(jiān)督的學(xué)習(xí)方法：

• 主成分分析
• 聚類分析(k均值和層次聚類)
• 自組織地圖(Kohonen網(wǎng)絡(luò))

TensorFlow.js

TensorFlow是***的機器學(xué)習(xí)庫之一。它側(cè)重于人工神經(jīng)網(wǎng)絡(luò)的各種類型和結(jié)構(gòu)，包括深度網(wǎng)絡(luò)以及網(wǎng)絡(luò)的組件。

TensorFlow由Google Brain Team創(chuàng)建，使用C ++和Python編寫。但是，它可以與包括JavaScript在內(nèi)的多種語言一起使用。

TensorFlow是一個非常全面的庫，仍然可以輕松地構(gòu)建和培訓(xùn)模型。它支持各種各樣的網(wǎng)絡(luò)層，激活功能，優(yōu)化器和其他組件。它具有良好的性能并提供GPU支持。

TensorFlow.js是一個用于瀏覽器或Node.js的JavaScript ML庫。它支持WebGL。

brain.js

brain.js是一個用JavaScript編寫的庫 - 專注于訓(xùn)練和應(yīng)用前饋和循環(huán)神經(jīng)網(wǎng)絡(luò)。它還提供其他實用程序，例如神經(jīng)網(wǎng)絡(luò)所需的數(shù)學(xué)例程。

它提供了高級選項，如：

• 使用GPU訓(xùn)練網(wǎng)絡(luò)
• 可以并行適應(yīng)多個網(wǎng)絡(luò)的異步培訓(xùn)
• 交叉驗證是一種更復(fù)雜的驗證方法

brain.js將模型保存到JSON文件或從中加載模型。

ConvNetJS

ConvNetJS是神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的另一個庫。它可以在瀏覽器中訓(xùn)練神經(jīng)網(wǎng)絡(luò)。除了分類和回歸問題，它還有強化學(xué)習(xí)模塊(使用Q學(xué)習(xí))仍然是實驗性的。ConvNetJS為在圖像識別方面表現(xiàn)優(yōu)異的卷積神經(jīng)網(wǎng)絡(luò)提供支持。

在ConvNetJS中，神經(jīng)網(wǎng)絡(luò)是層的列表。它提供以下層：

• 輸入(***個)圖層
• 完全連接的層
• 卷積層
• 匯集層
• 局部對比度歸一化層
• 分類器丟失(輸出)層：softmax和svm
• 使用L2的回歸損失(輸出)層

它支持幾個重要的激活功能，如：

• RELU
• 乙狀結(jié)腸
• 雙曲正切
• MAXOUT

以及優(yōu)化器如：

• 隨機梯度下降
• Adadelta
• AdagradS
• ConvNetJS還提供了一種方便的方法來保存和加載JSON文件的模型。

執(zhí)照：麻省理工學(xué)院。

WebDNN

WebDNN是一個專注于深度神經(jīng)網(wǎng)絡(luò)的圖書館，包括具有LSTM架構(gòu)的遞歸神經(jīng)網(wǎng)絡(luò)。它使用TypeScript和Python編寫，并提供JavaScript和Python API。

它還提供了在瀏覽器中執(zhí)行GPU的可能性。

WebDNN的一個非常方便的功能是可以轉(zhuǎn)換和使用PyTorch，TensorFlow，Keras，Caffemodel或Chainer預(yù)訓(xùn)練的模型。

natural

natural是一個用于Node.js的自然語言處理的JavaScript庫。

它支持：

• 標(biāo)記化(將文本分解為字符串?dāng)?shù)組)
• 弦距離的計算
• 匹配相似的字符串
• 分類(樸素貝葉斯，邏輯回歸和***熵)
• 情感分析(目前有八種語言)
• 語音匹配，inflectors，n-gram等

結(jié)論

在過去的幾年里，JavaScript和機器學(xué)習(xí)都得到了很多關(guān)注和普及。盡管最初是為了實現(xiàn)網(wǎng)頁的動態(tài)行為而創(chuàng)建的，但JavaScript成為實現(xiàn)和應(yīng)用機器學(xué)習(xí)方法的***語言之一，尤其是在瀏覽器或服務(wù)器(Node.js)中。

本文提供了有關(guān)JavaScript機器學(xué)習(xí)庫可用性的初始信息。