然则，包含GUI是个很重要的优势。你可以可视化交叉验证的结不雅、模型和特点选择办法(某些功能须要安装Graphviz)。对大年夜多半算法，Orange都有本身的数据构造，所以你须要将数据包装成Orange兼容的数据构造，这使得其进修曲线更陡。

PyMVPA

PyMVPA是另一个统计进修库，API上与Scikit-learn很像。包含交叉验证和诊断对象，然则没有Scikit-learn周全。

深度进修

尽管深度进修是机械进修的一个子节，我们在这里创建零丁一节的原因是，它最新吸引了Google和Facebook人才雇用部分的很多留意。

Theano

Theano是最成熟的深度进修库。它供给了不错的数据构造(张量，tensor)来表示神经收集的层，对线性代数来说很高效，与Numpy的数组类似。须要留意的是，它的API可能不是很直不雅，用户的进修曲线会很高。有很多基于Theano的库都在应用其数据构造。它同时支撑开箱可用的GPU编程。

Nolearn

还有别的一个基于Theano的看维PyLearn2，它给Theano惹人了模块化和可设备性，你可以经由过程不合的设备文件来创建神经收集，如许测验测验不合的参数会更轻易。可以说，如不雅分别神经收集的参数和属性到设备文件，它的模块化才能更强大年夜。

Decaf

Decaf是比来由UC Berkeley宣布的深度进修库，在Imagenet分类挑衅中测试发明，其神经收集实现是很先辈的(state of art)。

如不雅你想在深度进修中也能应用优良的Scikit-learn库API，封装了Decaf的Nolearn会让你可以或许更轻松地应用它。它是对Decaf的包装，与Scikit-learn兼容(大年夜部分)，使得Decaf更弗成思议。

OverFeat

OverFeat是比来猫vs.狗(kaggle挑衅)的成功者，它应用C++编写，也包含一个Python包装器(还有Matlab和Lua)。经由过程Torch库应用GPU，所以速度很快。也博得了ImageNet分类的检测和本地化挑衅。如不雅你的范畴是计算机视觉，你可能须要看看。

Hebel

Neurolab

NeuroLab是另一个API友爱(与Matlabapi类似)的神经收集库。与其他库不合，它包含递归神经收集(Recurrent Neural Network，RNN)实现的不合变体。如不雅你想应用RNN，这个库是同类API中最好的选择之一。

与其他说话集成

PyLearn2

你不懂得Python然则很善于其他说话?不要掉望!Python(还有其他)的一个强项就是它是一个完美的胶水说话，你可以应用本身常用的编程说话，经由过程Python来拜访这些库。以下合适各类编程说话的包可以用于将其他说话与Python组合到一路：

• R -> RPython
• Matlab -> matpython
• Java -> Jython
• Lua -> Lunatic Python
• Julia -> PyCall.jl

不活泼的库

这些库跨越一年没有宣布任何更新，我们列出是因为你有可能会有效，然则这些库不太可能会进行BUG修复，特别是将来进行加强。

• MDP
• MlPy
• FFnet
• PyBrain

如不雅我们漏掉了你最爱的Python机械进修包，经由过程评论让我们知道。我们很愿意将其添加到文┞仿中。

【编辑推荐】

1. Python爬虫音频数据
2. 机械进修之用Python大年夜零实现贝叶斯分类器
3. ShutIt：一个基于Python的shell主动化框架
4. 代码如许写不止于优雅（Python 版）
5. 完全懂得Python迭代对象、迭代器、生成器

【义务编辑：枯木 TEL：（010）68476606】

　　推荐阅读

　　黑屏操作利器，多屏批量shell命令发送

日常->预发->线上日常上平日只有一台机械用来集成，所有人的开辟分支会在这膳绫擎做归并安排。切换窗口web体系常见的开辟流程：常用快捷键当一个应用有很多人在膳绫擎开辟，并被很多应用依>>>详细阅读

本文标题：Python语言下的机器学习库

地址：http://www.17bianji.com/lsqh/35921.html

 1/2    1