當(dāng)下是人工智能爆發(fā)的時(shí)代，AI和機(jī)器學(xué)習(xí)廣泛流行，當(dāng)然機(jī)器學(xué)習(xí)領(lǐng)域最火要數(shù)Python語言。Python 由于其簡便，對(duì)用戶友好且易于管理的語言，擁有廣泛的社區(qū)支持，在機(jī)器學(xué)習(xí)領(lǐng)域更是如此，很多框架都是用Python編寫或者提供了Python SDK。為了便于大家學(xué)習(xí)和使用，我們列舉一下2021年最流行的Python機(jī)器學(xué)習(xí)類庫。

[[417950]]

TensorFlow

• 網(wǎng)站：tensorflow.org
• 源碼倉庫：Github/tensorflow/tensorflow
• 開發(fā)者：谷歌大腦團(tuán)隊(duì)
• 主要用途：深度神經(jīng)網(wǎng)絡(luò)

TensorFlow 是由谷歌大腦(Google Brain)團(tuán)隊(duì)開發(fā)的一個(gè)AI框架，主要用于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)。使用TF可以很輕松將計(jì)算任務(wù)分配到多個(gè)CPU或GPU核心，甚至可分配到多GPU。TensorFlow基本計(jì)算單元為張量(Tensors)。張量可以定義為一個(gè)容器，可存儲(chǔ)N維數(shù)據(jù)及其線性操作。

pandas

• 網(wǎng)站： pandas.pydata.org
• 源碼倉庫: github/pandas-dev/pandas
• 開發(fā)者：開源社區(qū)
• 主要用途：數(shù)據(jù)分析和操作

Pandas庫，主要用于數(shù)值數(shù)據(jù)和時(shí)間序列的數(shù)據(jù)操作。它使用數(shù)據(jù)框和系列分別定義三維和二維數(shù)據(jù)。Pandas提供了索引大數(shù)據(jù)以便在大數(shù)據(jù)集中快速搜索的選項(xiàng)。它以數(shù)據(jù)重塑、圍繞用戶定義的軸旋轉(zhuǎn)、處理缺失數(shù)據(jù)、合并和連接數(shù)據(jù)集以及數(shù)據(jù)過濾選項(xiàng)的功能而聞名。

Pandas對(duì)于大型數(shù)據(jù)集非常有用且速度非?？?。當(dāng)記錄超過50k時(shí)，其性能超Numpy。在數(shù)據(jù)清理方面，它是最好的庫，因?yàn)樗峁┝讼馿xce一樣的交互性和像Numpy一樣的速度。它也是為數(shù)不多的可以處理DateTime的ML庫之一，無需任何外部庫的任何幫助，而且代碼最少。

Numpy

• 網(wǎng)站：numpy.org
• 源碼倉庫：github/numpy/numpy
• 開發(fā)者：開源社區(qū)
• 主要用途：通用矩陣處理

Numpy用于處理多維數(shù)據(jù)和復(fù)雜的數(shù)學(xué)函數(shù)。Numpy是Python語言的快速計(jì)算庫，可以處理從基本代數(shù)到傅立葉變換、隨機(jī)模擬和拓?fù)洳僮鞯娜蝿?wù)和函數(shù)。這個(gè)庫內(nèi)核是用C語言編寫的，比一般Python計(jì)算庫性能更好。如果記錄數(shù)不是很大，在Numpy數(shù)組在索引方面要明顯優(yōu)于Pandas系列。另外，目前NumPy數(shù)組只支持單CPU中，所以性能會(huì)有限制。

Numpy的學(xué)習(xí)成本較低(可以參考蟲蟲之前的文章)，易于上手，并是最流行的機(jī)器學(xué)習(xí)庫之一。

自然語言工具包(NLTK)

• 網(wǎng)站： nltk.org
• 源碼倉庫: github/nltk/nltk
• 開發(fā)者：NLTK團(tuán)隊(duì)
• 主要用途：自然語言處理

是廣泛使用的文本分類和自然語言處理庫?？梢杂糜谠~干提取、詞形還原、標(biāo)記和在文檔中搜索關(guān)鍵字。NLTK可用于高級(jí)語言分析，比如情感、評(píng)論分析、文本分類器、檢查評(píng)論中的關(guān)鍵詞、文本挖掘和許多其他與人類語言相關(guān)的操作。NLTK需要文本處理來訓(xùn)練的模型來識(shí)別和創(chuàng)建。

Scikit-Learn

• 網(wǎng)站：scikit-learn.org
• 源碼倉庫: github/scikit-learn/scikit-learn
• 開發(fā)者：SkLearn.org
• 主要用途：預(yù)測數(shù)據(jù)分析和數(shù)據(jù)建模

Scikit-learn主要用于各種數(shù)據(jù)建模概念，如回歸、分類、聚類、模型選擇等。 該庫是在Numpy、Scipy和matplotlib之上編寫的。Scikit-learn易于集成，可以繼承其他機(jī)器學(xué)習(xí)庫實(shí)現(xiàn)特定目標(biāo)。比如Numpy和Pandas用于數(shù)據(jù)分析，Plotly用于可視化。

Keras

• 網(wǎng)站： keras.io
• 源碼倉庫：github/keras-team/keras
• 開發(fā)者：各種開發(fā)者
• 主要用途：神經(jīng)網(wǎng)絡(luò)計(jì)算

Keras提供了一個(gè)Python接口的 Tensorflow庫，特別專注于AI神經(jīng)網(wǎng)絡(luò)。早期版本還包括許多其他后端，如Theano、Microsoft認(rèn)知平臺(tái)和PlaidMl。Keras 包含常用神經(jīng)網(wǎng)絡(luò)的標(biāo)準(zhǔn)塊，以及使圖像和文本處理更快更流暢的工具。除了標(biāo)準(zhǔn)的神經(jīng)網(wǎng)絡(luò)塊外，它還提供重復(fù)出現(xiàn)的神經(jīng)網(wǎng)絡(luò)。

PyTorch

• 網(wǎng)站：pytorch.org
• 源碼倉庫：github/pytorch/pytorch
• 開發(fā)者：臉譜AI實(shí)驗(yàn)室(FAIR)
• 主要用途：深度學(xué)習(xí)、自然語言處理和計(jì)算機(jī)視覺

Pytorch 是由臉書開發(fā)的ML庫，基于Lua語言實(shí)現(xiàn)的Torch機(jī)器學(xué)習(xí)庫。該項(xiàng)目是用Python、C++ 和CUDA語言混合編寫的。PyTorch 支持在C和C++ 以及Pyton等常見語言的擴(kuò)展。作TF競爭對(duì)手，他也使用張量，但它更容易學(xué)習(xí)并且與Python具有更好集成性。雖然它支持NLP，但該庫的主要重點(diǎn)是開發(fā)和訓(xùn)練深度學(xué)習(xí)模型。

mlpack

• 源碼倉庫：github/mlpack/mlpack
• 開發(fā)者：社區(qū)，佐治亞理工學(xué)院支持
• 主要用途：多個(gè)ML模型和算法

MlPack 主要是基于C++的機(jī)器學(xué)習(xí)庫，支持它Python，R，Julia和 Golang等語言。它旨在支持幾乎所有著名的機(jī)器學(xué)習(xí)算法和模型，如 GMM、K均值、最小角度回歸、線性回歸等。開發(fā)該庫的主要重點(diǎn)是使其成為快速、可擴(kuò)展且易于理解的以及易于使用的庫，即使是編程小白也可以毫無問題地理解和使用它。

OpenCV

• 網(wǎng)站：opencv.org
• 源碼倉庫：github/opencv/opencv
• 開發(fā)者：由英特爾公司發(fā)起
• 主要用途：計(jì)算機(jī)視覺

OpenCV 是一個(gè)致力于計(jì)算機(jī)視覺和圖像處理的開源平臺(tái)。 該庫擁有2500多種專用于計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)的算法。它可以跟蹤人體運(yùn)動(dòng)、檢測移動(dòng)物體、提取3D模型、將圖像拼接在一起以創(chuàng)建高分辨率圖像，探索AR的可能性。OpenCV被廣泛用于各種閉路電視監(jiān)控，各大相機(jī)廠商也都在使用OpenCV使其產(chǎn)品更智能和用戶友好。

Matplotlib

• 網(wǎng)站：matplotlib.org/
• 源碼倉庫：github/matplotlib/matplotlib
• 開發(fā)者：Micheal Droettboom，社區(qū)
• 主要目的：數(shù)據(jù)可視化

Matplotlib是Pthon中使用最廣泛的圖形的庫。它使用Python GUI工具包來生成圖形和繪圖。Matplotlib還提供了一個(gè)類似MATLAB的界面，以便用戶可以執(zhí)行與MATLAB 類似的任務(wù)。這個(gè)庫是免費(fèi)和開源的，并且有許多擴(kuò)展接口，可以將matplotlib API擴(kuò)展到各種其他庫。

總結(jié)

在本文中，我們介紹了機(jī)器學(xué)習(xí)中最常用的Python庫。每個(gè)庫(框架)都有自己的優(yōu)點(diǎn)和缺點(diǎn)，可以嘗試使用，并在實(shí)踐中選擇最適合的庫。