所有的特点拔取筹划，都有一个合营目标：找出多余、不相干的特点。这是一个相当热点的研究范畴，对此有无数算法。

业内有名数据科学网站 KDnuggests，昨日评选出了四月份“你弗成忽视的五个机械进修衔目”。

你可能没听过它们，但今天或许会推敲上手。至于那些不合生态、不合编程说话的对象——对于高手而言，即便没有应用需求，借鉴它们的代码履行也能为本身的产品开辟带来很多灵感。

1. Scikit-plot

一帮缺乏艺术细胞的数据科学家，在某年某月某天忽然心怀恐怖地意识到：可视化是数据科学最关键的器械之一，而不仅仅是一个加分项。

这就导致了 Scikit-plot 的出生。

KDnuggests 副主编 Matthew Mayo 表示：“我留意到 Scikit-plot，是因为在 Reddit 上看到了它的作者的发帖，随后几乎急速便上了手。”

该项目旨在为 Scikit-learn 用户供给一系列标准、实用的图表。这包含：

• Elbow plots
• Feature importance graphs
• PCA projection plots
• ROC curves
• Silhouette plots

Scikit-plot 库有两个 API，个一一个与 Scikit-learn 慎密整合，以控制对其 API 的调用(Factory API)。另一个更传统(the Functions API)。但无论哪个都应当足够你应用。

它的快速上手指南在这里。

2. Scikit-feature

Scikit-feature 是 Python 的开源特点拔取资本库，由亚利桑那州立大年夜学的数据发掘&机械进修实验室开辟。它基于 scikit-learn、Numpy 以及 Scipy。Scikit-feature 内置约 40 个常见特点拔取算法，包含传统算法以及一些构造式、流式的特点拔取算法。

Scikit-feature 既实用于实用特点拔取工程，也合适做算法研究。查看它支撑的算法列表请点击这里。

一名为 Rubens Zimbres 的数据科学家曾如是说：

• “在积聚了经验，测验测验了堆叠神经收集、并行神经收集、asymmetric configs、简单的神经收集、独裁、dropout、激活函数等各类器械之后，我得出了一个结论：论效不雅，什么都比不上好的特点拔取。”

3. Smile

Smile (Statistical Machine Intelligence and Learning Engine) 是一个快速、周全的机械进修体系。受益于先辈的数据构造与算法，Smile 有最一流的机能。

Smile 覆盖了机械进修的方方面面，包含分类、回归、聚类、接洽关系规矩发掘、特点拔取、流形进修(manifold learning,)、多维标准分析(MDS)、遗传算法、missing value imputation、最邻近搜刮等等。

如不雅你用 JVM 开辟机械进修，Smile 绝对值得一试。事实上，如不雅你身在这个生态体系却没听过 Smile，才是一桩奇闻。

4. Gensim

Gensim 是一个针对话题建模、文件索引、在大年夜语料库中进行类似性检索的 Python 算法库。目标受众是天然说话处理和信息检索社区。

Gensim 是个以完全性为目标的多面手。其开辟团队称，它为“常见算法供给了高效的多核履行，比如 Latent Semantic Analysis (LSA/LSI/SVD), Latent Dirichlet Allocation (LDA), Random Projections (RP), Hierarchical Dirichlet Process (HDP) 或 word2vec 深度进修。”

Gensim 的文件在这里。KDnuggets 以前发过一篇教新手用 Gensim 搞话题建模的教程，请戳这里。

5. Sonnet

本月初，DeepMind 在官方博客宣布了开源 Sonnet 的消息。雷锋网第一时光进行了报道：DeepMind宣布Sonnet 帮你用TensorFlow快速搭建神经收集。

DeepMind 在博客中表示：

“对于 TensorFlow 而言，自负年夜其在 2015 岁终开源，一个由浩瀚高等算法库构成的多样生态体系，便已环绕着它敏捷成长起来。这些高等对象，许可常用义务以更简便、更快的方法完成，极大年夜节俭了开辟者的时光精力。

作为该生态的新成员，Sonnet 也是如斯。它与现有的神经收集算法库有很多合营点，但部分功能专为 DeepMind 的研究须要而设计。”

Sonnet 是基于 TensorFlow 的高等算法库。DeepMind 承认了它与一些现有产品比较类似，但整合了 DeepMind 研究所必须的功能与特点，比如许可特定模块在随机集合的 Tensor 群组上运行：

“RNN 的状况，最合适于以异构 Tensor 集合来表示，用扁平列表来表示它们很轻易会导致缺点。Sonnet 供给了处理这些随机等级构造的功能，所以改变你的实验，应用另一种 RNN，并不须要繁冗地修改代码。DeepMind 已经对核心 TensorFlow 做了修改，以更好地支撑这一应用情况。”

最后，欲望本文可以或许对你产生赞助。让你知道一些此前没据说过的算法库，或者你并没有意识到本身其实须要的功能。

【编辑推荐】

1. 腾讯开源微办事架构Tars，高机能RPC开辟框架
2. 每个Java开辟者应当知道(并爱上)的8个对象
3. 关于软件开辟你真正须要知道的几个工作
4. Python开辟者2017应当存眷的七个类库
5. 借hbase-rdd二次开辟谈如安在Spark Core之上扩建本身的模块
    1/2    1 2 下一页 尾页
   
   

   　　推荐阅读

   　　淘汰Hyper-V replication拥抱Storage Replica

   基于以前的经验，在小型情况中保护Hyper-V 虚拟机的最佳方法之一一向是复制。Windows Server 2012初次惹人了复制，在第二台Hyper-V办事器上创建了一个同步的虚拟机副本。如不雅主虚拟机出>>>详细阅读

   
   

   本文标题：开发者弹药库升级 推荐五个机器学习框架

   地址：http://www.17bianji.com/lsqh/34810.html

    1/2    1