本文为 AI 研习社编译的技术博客，原标题 ：Essential libraries for Machine Learning in Python 作者 Shubhi Asthana 翻译就2 校对就2 整理菠萝妹 用 Python 做机器学习不得不收藏的重要库
Python 通常被应用统计技术或者数据分析人员当做工作中的首选语言。数据科学家也会用 python 作为连接自身工作与 WEB 应用程序/生产环境集成中。 Python 在机器学习领域非常出色。它具有一致的语法、更短的开发时间和灵活性，非常适合开发能够直接插入生产系统的复杂模型和预测引擎。 Python 的一个最大的资产是其广泛的库。 库是一组用给定语言编写的程序和功能的集合。一组健壮的库可以使开发人员更容易执行复杂的任务，而无需重写许多代码。 机器学习很大程度上是基于数学。具体来说就是数学优化、统计和概率。Python 库帮助那些不具备开发人员知识的研究人员/数学家轻松地“进行机器学习”。 以下是机器学习中最常用的一些库: Scikit-learn 经典的 ML 算法
Scikit-learn 是最流行的 ML 库之一，他支持很多监督学习和非监督学习算法。例如：线性回归，逻辑回归，决策树，聚类 ，k-means 等。 他基于两个 python 库：Numpy 和 Scipy 。 他为常见的机器学习和数据挖掘提供了一组算法：聚类，回归和分类。甚至像数据转换，特征选择，集成学习这样的任务也可与通过简短几行代码实现。 对于机器学习的新手来说，Scikit-learn 是一个够用的工具，直到你自己开始实现更复杂的算法。 Tensorflow for Deep Learning 深度学习
如果你在机器学习的世界里，你可能听过，尝试过或者实现过某种形式的深度学习的算法。但是他们是必要的吗？回答可能是不必要。但是完成他们后感觉很酷对吗？ 回答是：对的！酷毙了。 Tensorflow 有趣的地方在于，当你使用 python 编写代码，你可以编译和运行在你的 CPU 或者 GPU 上，而且你不需要写 c++ 或者 CUDA 的代码，就可以运行在 GPUs 集群上。 他使用一个多层节点的系统，允许你快速的简历，训练，部署具有大量数据集的人工神经网络。这让谷歌能够识别照片中的物体，通过语音识别程序理解在口语中的单词。 Theano is also for Deep Learning
Theano 是另一个用于数值计算的优秀类库，有点类似于 Numpy。Theano 允许你高效的定义，优化和评估涉及多维数组的数学表达式。 使 Theano 与众不同的是它利用了计算机的 GPU。这使得它能够比单独在 CPU 上运行时快 100 倍进行数据密集型计算。Theano 的速度使得它对于深度学习和其他复杂的计算任务特别有价值。 Theano 库的最终发布是在去年——2017 年，版本 1.0.0 包含了许多新特性、界面更改和改进。 Pandas 数据提取与预处理 panda 是一个非常流行的库，它提供了简单易用且直观的高级数据结构。 它有许多内建的方法来分组、组合数据和过滤以及执行时间序列分析。 panda 可以轻松地从 SQL 数据库、CSV、Excel、JSON 文件等不同来源获取数据，并对数据进行操作。图书馆有两个主要结构:
如果想得知关于如何使用序列和数据看框架的更多细节，请查看的我的其他文章。 Matplotlib 用于数据可视化
如果你不能很好的与其他人交流，那么最好的，最复杂的机器学习就显得没有意义。 那么如何从这些数据中转换出价值呢?你如何激励你的业务分析师，告诉他们充满“洞察力”的“故事”? 这就是 Matplotlib 发挥作用的地方。它是每个数据科学家用于创建 2D 图形和图形的标准 Python 库。它是命令行简单，这意味着它需要更多的命令来生成好看的图形和数字，而不是使用一些高级库。 然而，这也带来了灵活性。有了足够的命令，您可以使用 Matplotlib 制作任何您想要的图形。您可以构建不同的图表，从直方图和散点图到非笛卡尔坐标图。 它支持所有操作系统上的不同 GUI 后端，还可以将图形导出到通用矢量和图形格式，如 PDF、SVG、JPG、PNG、BMP、GIF 等。 Seaborn 是另一个数据可视化库
Seaborn 是一个流行的可视化库，它建立在 Matplotlib 的基础之上。它是一个高级库，这意味着更容易生成某些类型的图，包括热图、时间序列和小提琴图。 最后 这是机器学习中最重要的 Python 库的集合。如果您打算使用 Python 和数据科学，那么这些库是值得一看的，同时也值得您熟悉。 我是否错过了任何重要的 Python ML 库?如果是，请务必在下面的评论中提到它。尽管我试图介绍最有用的库，但可能仍然没有介绍其他一些值得研究的库。 问题或建议吗?我很想听听你的意见——请随意留言。 |
