Python机器学习需要用到的库.docx

Python 机器学****需要用到的库
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Python 机器学****需要用到的库
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****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****工具和库，以下是Python开发工程师必 知的十大机器学****库！
一、 Scikit-Learn
在机器学****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****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****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****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