彩神下载链接官方2019年你不可不知的十大Python库,可实现机器学习

  • 时间:
  • 浏览:21
  • 来源:彩神快三-彩神大发快3官方

在本文中,亲戚朋友将讨论 Pyt彩神下载链接官方hon 中的许多优选库,开发人员可不都里能使用这一 库来解析、清理和表示数据,并在现有应用中实现机器学习。

亲戚朋友肯能介绍以下 10 个库: 

  • TensorFlow

  • Scikit-Learn

  • NumPy

  • Keras

  • PyTorch

  • LightGBM

  • Eli5

  • SciPy

  • Theano

  • Pandas

Python 彩神下载链接官方是目前流行,使用广泛的彩神下载链接官方编程语言之一,肯能取代了业界许多编程语言。Python 在开发人员中受欢迎的意味有全都,其中最重要的有有有一个 意味随后 Python 有几瓶可供用户使用的库。Python 的简单性吸引了许多开发人员为机器学习创建新的库。肯能有几瓶的库,Python 在机器学习专家中非常流行。

日后,我即将介绍的第有有有一个 库是 TensorFlow。

TensorFlow



TensorFlow 是这一 ? 

肯能你目前正在使用 Python 进行机器学习项目,如此 你肯能肯能听说过这一 流行的开源库,即 TensorFlow。该库是 Google 与 Brain Team 商务企业合作开发的。Google 的每有有有一个 机器学习应用几乎全是 TensorFlow 的影子。

TensorFlow 的工作法律法律依据类事于有有有一个 计算库,用于编写设计几瓶张量运算的新算法。肯能神经网络可不都里能很容易地表示为计算图,日后它们可不都里能用 TensorFlow 作为对张量(Tensor)的许多列操作来实现。此外,张量是表述数据的 N 维矩阵。

TensorFlow 的特点

TensorFlow 针对淬硬层 进行了优化,并利用 XLA 等技术实现快速线性代数运算。 

  1. 响应式构造:使用 TensorFlow,亲戚朋友可不都里能轻松地将计算图的每一主次进行可视化,在使用 NumPy 或 SciKit 时并如此 这一 选项。
  2. 灵活性:TensorFlow 的有有有一个 非常重要的行态是,它的操作非常灵活。这意味分析它实现了模块化,对于你很多再使其独立的主次,它可不都里能提供这一 选项。
  3. 易于训练:对于分布式计算,它可不都里能很容易地在 CPU 上进行训练,也可不都里能在 GPU 上进行训练。
  4. 并行化神经网络训练:TensorFlow 提供了管道。从三种意义上说,让人训练多个神经网络和多个 GPU,这使得模型在大型系统上非常高效。
  5. 大型社区:毋庸讳言,肯能 TensorFlow 是由 Google 开发的,全都有一大群软件工程师在不断改进 TensorFlow 的稳定性。
  6. 开源:这一 机器学习库最好的地方在于它是开源的,全都假使 有互联网,任何人都可不都里能使用它。

TensorFlow 在哪里使用?

实际上你每天全是使用 TensorFlow,但像 Google 语音搜索或 Google 相册原本的应用却是间接的。这一 应用是使用这一 库进行开发的。

在 TensorFlow 中创建的所有库全是用 C 和 C++ 编写的。不过,它还有有有有一个 多样化的 Python 前端。你的 Python 代码肯能被编译,日后在使用 C 和 C++ 构建的 TensorFlow 分布式执行引擎上执行。

TensorFlow 的应用数量实际上是无限的,这随后 TensorFlow 的美妙之处。

Scikit-Learn

Scikit-Learn 是这一 ?

Scikit-Learn 是有有有一个 与 NumPy 和 SciPy 相关的 Python 库。它被认为是处置多样化数据的优选库之一。这一 库正在进行几瓶更改。其包包中含一个 更改是交叉验证功能,提供了使用多个度量的能力。许多训练法律法律依据,如逻辑回归和最近邻法律法律依据,都得到了许多改进。

Scikit-Learn 的特点

  1. 交叉验证:有多种法律法律依据可不都里能检验监督模型对不可见数据的准确性。
  2. 无监督学习算法:Scikit-Learn 提供了几瓶的算法,从聚类、因子分析和主成分分析到无监督神经网络。
  3. 行态提取:用于从图像和文本中提取行态(类事词袋)。

Scikit-Learn 在哪里使用?

它中含许多用于实现标准机器学习和数据挖掘任务的算法,如降维、分类、回归、聚类和模型选泽。

NumPy

NumPy 是这一 ?

NumPy 被认为是 Python 中受欢迎的机器学习库之一。

TensorFlow 和许多库在内部管理使用 NumPy 在张量上执行多个操作。数组接口是 NumPy 最好也是最重要的行态。

NumPy 的特点

  1. 交互性:NumPy 交互性强,易于使用。
  2. 数学:使多样化的数学实现变得非常简单。
  3. 直观性:使编码和概念的掌握变得非常容易。
  4. 几瓶的交互:得益于广泛的使用,日后有几瓶的开源贡献。

NumPy 在哪里使用?

NumPy 的接口可用于将图像、彩神下载链接官方声波和许多二进制原始流表达为 N 维数组。为实现这一 用于机器学习的库,了解 NumPy 对于全栈开发人员来说不怎么要。

Keras

Keras 是这一 ?

Keras 被认为是 Python 中最酷的机器学习库之一。它提供了三种更简单的机制来表达神经网络。Keras 还为编译模型、处置数据集、图形可视化等提供了许多最佳实用tcp连接。

在后端,Keras 在内部管理使用 Theano 或 TensorFlow,也可不都里能使用许多最流行的神经网络,如 CNTK。与许多机器学习库比较,Keras 的淬硬层 相对较慢。肯能它是通过使用后端架构创建计算图,日后利用它来执行操作的。不过,Keras 的所有模型全是可移植的。

Keras 的特点

  1. 1.Keras 在 CPU 和 GPU 上都能顺利运行。
  2. 2.Keras 支持几乎所有的神经网络模型,包括完整版连接的、卷积的、池化的、递归的、嵌入的等等。此外,这一 模型还可不都里能组合起来构建更为多样化的模型。
  3. 3.Keras 在本质上是模块化的,具有难以置信的表现力、灵活性,并易于创新研究。
  4. 4.Keras 是有有有一个 完整版基于 Python 的框架,可不都里能方便地进行调试和探索。

Keras 在哪里使用?

你肯能在不断地与 Keras 开发的功能进行交互:它在 Netflix、Uber、Yelp、Instacart、Zocdoc、Square 等许多许多公司全是应用。Keras 在这一 将淬硬层 学习作为产品核心的初创公司中不怎么受欢迎,同時 也是淬硬层 学习研究人员的最爱。大型科学组织,不怎么是 CERN(欧洲核子研究中心)和 NASA(美国国家航空航天局)的研究人员也采用了 Keras。

Keras 中含许多常用的神经网络构建块的实现,类事层、目标、激活函数、优化器和一系列工具,使图像和文本数据的处置变得更加容易。

此外,Keras 还提供了许多预处置的数据集和预训练模型,如 MNIST、VGG、Inception、SqueezeNet、ResNet 等等。

PyTorch

PyTorch 是这一 ?

PyTorch 是最大的机器学习库,它允许开发人员利用 GPU 的加速执行张量计算,创建动态计算图,并自动计算梯度。除此之外,PyTorch 还提供了充裕的 API,用于处置与神经网络相关的应用疑问报告 。

这一 机器学习库是基于 Torch 的,Torch 是有有有一个 用 C 语言实现的开源机器学习库,在 Lua 中含个包装器。这一 用 Python 编写的机器学习库是 2017 年推出的,自推出以来,吸引了很多再 的机器学习开发人员。

PyTorch 的特点

  1. 混合前端:新的混合前端在 Eager 模式(动态图模式)下提供了易用性和灵活性,同時 在 C++ 运行时环境中无缝过渡到图形模式,以实现淬硬层 、优化和功能。
  2. 分布式训练:通过利用 Python 和 C++ 提供的异步执行集合操作和对等通信的本地支持,优化研究和阳产中的性能。
  3. Python 优先:PyTorch 很多再 绑定到单一 C++ 框架中的 Python。它是为了深     入集成到 Python 中而构建的,日后它可不都里能与流行的库和包(如 Cython 和         Numba 等)同時 使用。   
  4. 库和工具:有有有一个 由研究人员和开发人员组成的活跃社区,建立了有有有一个 充裕的工具和库生态系统,用于扩展 PyTorch ,并支持从计算机视觉到强化学习等领域的开发。

PyTorch 在哪里使用?

PyTorch 主要用于自然语言处置等应用。PyTorch 主随后 由 Facebook 的人工智能研究小组开发的。Uber 的概率编程“Pyro”软件随后 建立在这一 基础上的。PyTorch 在全都方面都超过了 TensorFlow,最近得到了全都关注。

LightGBM

LightGBM 是这一

梯度提升(Gradient Boosting)是最好的、最流行的机器学习库之一,它通过使用重新定义的基本模型和决策树来帮助开发人员构建新的算法。日后,有许多专门的库是为快速有效地实现这一 法律法律依据而设计的。

这一 库分别是 LightGBM、XGBoost 和 CatBoost。所有这一 库全是帮助处置常见疑问报告 的竞争对手,可不都里能以几乎类事的法律法律依据加以利用。

LightGBM 的特点

  1. 计算淬硬层 快,生产淬硬层 高。
  2. 直观,易于使用。
  3. 比许多许多淬硬层 学习库有变慢的训练。
  4. 在考虑 NaN 值和许多规范值时很多再产生错误。

LightGBM 在哪里使用?

这一 库提供了淬硬层 可扩展、优化和快速的梯度提升实现,这使得它在机器学习开发人员中备受欢迎。肯能大多数机器学习全栈开发人员是通过使用这一 算法在机器学习竞赛中获胜的。

Eli5

Eli5 是这一 ?

大多数情況下,机器学习模型的预测结果很多再 准确,而内置 Python 的 Eli5 机器学习库有有助于于克服这一 挑战。它结合了可视化和调试所有的机器学习模型,并跟踪算法的所有工作步骤。

Eli5 的特点

Eli5 支持 XGBoost、lighting、scikit-learn 和 sklearn-crfsuite 库。后边提到的所有库都可不都里能用于执行不同的任务。

Eli5 在哪里使用?

  • 前要在短时间内进行几瓶计算的数学应用
  • 在与许多 Python 包地处依赖关系的情況下,Eli5 扮演着至关重要的角色。
  • 遗留应用和在各个领域实施较新的法律法律依据

SciPy

SciPy 是这一 ?

SciPy 是有有有一个 面向tcp连接开发人员和工程师的机器学习库。你前要了解 SciPy 库和 SciPy 栈之间的区别。SciPy 库中含用于优化、线性代数、积分和统计的模块。

SciPy 的特点

SciPy 库的主要特点是使用 NumPy 开发,其数组最大限度地利用了 NumPy。此外,SciPy 使用其特定子模块提供了所有高效的数值例程,比如优化、数值积分和许多许多例程。

所有 SciPy 子模块中的所有函数全是良好的文档说明。

SciPy 在哪里使用?

SciPy 是有有有一个 使用 NumPy 求解数学函数的库。SciPy 使用 NumPy 数组作为基本数据行态,并附带用于科学编程中各种常用任务的模块,包括线性代数、积分(微积分)、常微分方程求解和信号处置等任务,都可不都里能通过 SciPy 轻松处置。

Theano

Theano 是这一 ?

Theano 是 Python 中用于计算多维数组的计算框架机器学习库。Theano 的工作法律法律依据与 TensorFlow 类事,但淬硬层 不如 TensorFlow。肯能它如此 适应生产环境。

此外,还可不都里能在与 TensorFlow 类事的分布式或并行环境中使用 Theano。

Theano 的特点

  1. 与 NumPy 紧密集成:有有助于在 Theano 编译的函数中完整版使用 NumPy 数组。
  2. GPU 的透明使用:执行数据密集型计算要比 CPU 上快得多。   
  3. 高效的符号微分:Theano 为具有有有有一个 或多个输入的函数求导。
  4. 淬硬层 和稳定性的优化:即使 x 非常小,有有助于获得 log(1+x) 的正确答案。这随后 证明 Theano 稳定性的有有有一个 例子。
  5. 动态 C 代码生成:计算表达式的淬硬层 比以往都快,从而极大提高淬硬层 。
  6. 广泛的单元测试和自我验证:检测和诊断模型中的多种类型的错误和歧义。

Theano 在哪里使用?

Theano 表达式的实际语法是符号化的,这肯能会让习惯正常软件开发的初学者感到不适。具体来说,表达式是以抽象的法律法律依据进行定义、编译的,日后实际用于计算。

Theano 是专门为用于淬硬层 学习的大型神经网络算法的计算类型而设计的。它是最早的类库之一(2007 年开始英语 开发),被认为是淬硬层 学习研究和开发的行业标准。Theano 目前被用于多个神经网络项目,随着时间的推移,Theano 的普及率也在不断提高。

Pandas

Pandas 是这一 ?

Pandas 是 Python 中的有有有一个 机器学习库,它提供高级的数据行态和各种各样的分析工具。这一 库最大的行态之一是有有助于使用有有有一个 或有有有一个 命令转换多样化的数据操作。Pandas 有全都内置的分组、组合数据、过滤以及时间序列功能的法律法律依据。所有这一 法律法律依据全是出色的淬硬层 指示器。

Pandas 的特点

Pandas 使操作数据的过程变得更容易。对重新索引、迭代、排序、聚合、连接和可视化等操作的支持是 Pandas 的亮点之一。

Pandas 在哪里使用?

目前,Pandas 库的发行版本较少,其中包括数百个新功能、bug 修复、增强和 API 中的更改。Pandas 的改进在于它有有助于对数据进行分组和排序,为应用法律法律依据选泽最适合的输出,并为执行自定义类型操作提供支持。

在许多事项中,当涉及到使用 Pandas 时,数据分析是一大亮点。日后,当与许多库和工具同時 使用时,Pandas 确保了淬硬层 的功能性和良好的灵活性。

【编辑推荐】

【责任编辑:

张燕妮

TEL:(010)684762006】



点赞 0