江苏龙网

  1. 首页 > 生活 > >

想入门机器学习，但是框架太多了，能给个推荐吗( 二 )


8.Mlpack是一个基于C++的基础学习库 ，最早于2011年推出，据库的开发者声称，它秉承“可扩展性、高效性和易用性”的理念来设计的。执行Mlpack有两种方法：通过快速处理简易的“黑盒”操作命令行执行的缓存，或者借助C++ API处理较为复杂的工作。Mlpack可提供简单的能被整合到大型的机器学习解决方案中的命令行程序和C++的类。
9.Pattern是Python编程语言的web挖掘组件，有数据挖掘工具（ Google、Twitter 、Wikipedia API，网络爬虫，HTML DOM解析器），自然语言处理（词性标注，n-gram搜索，情感分析，WordNet接口），机器学习（向量空间模型，聚类，支持向量机），网络分析和\u0026lt;canvas\u0026gt;可视化。
10.Scikit-Learn为了数学和科学工作，基于现有的几个Python包（Numpy，SciPy和matplotlib）拓展了Python的使用范围。最终生成的库既可用于交互式工作台应用程序，也可嵌入到其他软件中进行复用。该工具包基于BSD协议，是完全免费开源的，可重复利用。Scikit-Learn中含有多种用于机器学习任务的工具，如聚类，分类，回归等。Scikit-Learn是由拥有众多开发者和机器学习专家的大型社区开发的，因此，Scikit-Learn中最前沿的技术往往会在很短时间内被开发出来。
11.Shogu是最早的机器学习库之一，它创建于1999年，用C++开发，但并不局限于C++环境。借助SWIG库，Shogun适用于各种语言环境，如Java，Python，c#，Ruby，R，Lua，Octave和Mablab。Shogun 旨在面向广泛的特定类型和学习配置环境进行统一的大规模学习，如分类，回归或探索性数据分析。
12.TensorFlow是一个使用数据流图进行数值运算的开源软件库，它实现了数据流图，其中，张量（“tensors”）可由一系列图形描述的算法来处理，数据在该系统中的变化被称为“流”，由此而得名。数据流可用C++或Python编码后在CPU或GPU的设备上运行。
13.Theano是一个基于BSD协议发布的可定义、可优化和可数值计算的Phython库。使用Theano也可以达到与用C实现大数据处理的速度相媲美，是支持高效机器学习的算法。
14.Torch是一种广泛支持把GPU放在首位的机器学习算法的科学计算框架。由于使用了简单快速的脚本语言LuaJIT和底层的C/CUDA来实现，使得该框架易于使用且高效。Torch目标是让你通过极其简单的过程、最大的灵活性和速度建立自己的科学算法。Torch是基于Lua开发的，拥有一个庞大的生态社区驱动库包设计机器学习、计算机视觉、信号处理，并行处理，图像，视频，音频和网络等。
15.Veles是一套用C++开发的面向深层学习应用程序的分布式平台，不过它利用Python在节点间自动操作与协作任务。在相关数据集中到该集群之前，可对数据进行分析与自动标准化调整，且REST API允许将各已训练模型立即添加至生产环境当中，它侧重于性能和灵活性。Veles几乎没有硬编码，可对所有广泛认可的网络拓扑结构进行训练，如全卷积神经网络，卷积神经网络，循环神经网络等。
以上就是机器学习需要知道的15大框架。
作者介绍：Devendra Desale(@DevendraDesale)是一位目前从事文本挖掘和大数据技术的数据科学研究生，也对企业架构和数据驱动感兴趣。业余时间，喜欢参加聚会和未知的冒险。

以上为译文，由阿里云云栖社区组织翻译。
译文链接
文章原标题《Top 15 Frameworks for Machine Learning Experts》
作者：Devendra Desale，译者：Mags，审校：袁虎。
文章为简译，更为详细的内容，请查看原文
更多技术干货敬请关注云栖社区机构号：阿里云云栖社区 -
本文为云栖社区原创内容，未经允许不得转载。

■网友
推荐团队整理的Github上面值得一看的Top20机器学习框架：
TensorFlowTensorFlow是一个端到端的机器学习开源平台。由工具、库和社区资源组成的全面、灵活的生态系统，使开发人员能够轻松地构建和部署基于ML的应用程序。


推荐阅读


上一篇：怎样评价微博上的Re肉宅厨节操（尹珺乐）

下一篇：怎样评价Yoshua Bengio同时带25头PhD