Python 机器学习框架

朴灿烈づ我的快乐病毒、 2022-06-04 06:26 289阅读 0赞

## [NuPIC: Numenta Platform for Intelligent Computing][NuPIC_ Numenta Platform for Intelligent Computing] ##

NuPIC 是一个基于一种被称为分层式即时记忆（HTM/ Hierarchical Temporal Memory）的新皮质理论的开源项目。HTM 理论中的一部分已经在应用中被实现、测试和使用了，而其他部分仍在开发中。

## [The Shogun Machine Learning Toolbox][] ##

Shogun 是一种提供大量高效且统一的机器学习（ML）方法的机器学习工具箱。它能容易地把多种数据表示，算法类和通用工具紧密地联系起来。

## [Pymc - 贝叶斯统计模型][Pymc -] ##

Pymc 是一个实现贝叶斯统计模型和拟合算法的 Python 模块，其中包括马尔可夫链和蒙特卡罗方法。其灵活性和可扩展性使其适用于大量问题。

## [Neon - 一个基于 Python 的深度学习库][Neon - _ Python] ##

Neon 是 Nervana 公司的一个基于 Python 的深度学习库。它提供易用性的同时也提供了最高的性能。

## [Statsmodels: statistical modeling and econometrics in Python][Statsmodels_ statistical modeling and econometrics in Python] ##

Statsmodels 是一个允许用户挖掘数据、估计统计模型和执行统计测试的 Python 模块。描述性统计、统计测试、绘图函数和结果统计的详细列表可用于不同类型的数据和估计器。

## [Theano - Python 机器学习框架][Theano - Python] ##

Theano is a Python library that allows you to define, optimize, and evaluate mathematical expressions involving multi-dimensional arrays efficiently.

## [Orange3 - 开源机器学习和数据可视化工具][Orange3 -] ##

Orange3 是一个新手和专家都可以使用的开源机器学习和数据可视化工具。在交互式数据分析工作流程中拥有大型的工具箱。

## [Chainer: A flexible framework of neural networks for deep learning][Chainer_ A flexible framework of neural networks for deep learning] ##

Chainer 是一个基于 Python 并且独立的深度学习模型开源框架。Chainer 提供一种灵活、直观且高效的方法来实现整个深度学习模型，包括如循环神经网络和变分自动编码器等最先进的模型。

## [DEAP - 一个用于快速原型和测试思想的新颖的进化计算框架][DEAP -] ##

Deap 是一个用于快速原型和测试思想的新颖的进化计算框架。它试图使算法更加浅显易懂，数据结构更加透明。它与并行机制（例如 multiprocessing 和 SCOOP）能完美协调。

## [PyBrain - Python 模块化机器学习库][PyBrain - Python] ##

PyBrain 是 Python 的一个模块化机器学习库。它的目标是为机器学习任务提供灵活且易于使用但仍然强大的算法，以及各种预定义环境来对你的算法进行测试和比较。

## [Pattern - Python 的 Web 挖掘模块][Pattern - Python _ Web] ##

Pattern 是 Python 编程语言的 Web 挖掘模块。它捆绑了数据挖掘（Google + Twitter + 维基百科 API、网络爬虫、HTML DOM 解析器）、自然语言处理（词性标记、n-gram 搜索、情感分析、WordNet）、机器学习（向量空间模型、k-means 聚类、朴素贝叶斯 + k-NN + SVM 分类器）和网络分析（图形中心性和可视化）等工具。

## [Fuel - 数据管道框架][Fuel -] ##

Fuel 是一个数据管道框架（data pipeline framework），它为你的机器学习模型提供所需的数据。它将被 Blocks 和 Pylearn2 神经网络库使用。

## [gensim: Topic modelling for humans][gensim_ Topic modelling for humans] ##

Gensim 是一个免费的 Python 库，它具有诸如可扩展的统计语义等特征，它可用于分析纯文本文档的语义结构和检索语义相似的文档。

## [Nilearn: 一个用于在 NeuroImaging 数据上快速轻松地进行统计学习的 Python 模块][Nilearn_ _ NeuroImaging _ Python] ##

Nilearn 是一个用于在 NeuroImaging 数据上快速轻松地进行统计学习的 Python 模块。它利用 scikit-learn Python 工具箱来处理如预测建模、分类、解码或连接分析等多变量统计信息。

## [PyMVPA - 一个用于简化大型数据集的统计学习分析 Python 包][PyMVPA - _ Python] ##

PyMVPA 是一个用于简化大型数据集的统计学习分析 Python 包。它提供了一个可扩展的框架，具有大量用于分类、回归、特征选择、数据导入和导出等算法的高级接口。

## [Pylearn2: A machine learning research library][Pylearn2_ A machine learning research library] ##

Pylearn2 is a library designed to make machine learning research easy.

## [TensorFlow — an Open Source Software Library for Machine Intelligence][TensorFlow _ an Open Source Software Library for Machine Intelligence] ##

TensorFlow™ is an open source software library for numerical computation using data flow graphs.

## [Annoy - Approximate Nearest Neighbors in C++/Python optimized for memory usage and loading/saving to disk][Annoy - Approximate Nearest Neighbors in C_Python optimized for memory usage and loading_saving to disk] ##

Annoy（Approximate Nearest Neighbors Oh Yeah）是一个绑定 Python 的 C ++ 库，用来搜索在空间中距离给定查询点较近的点。它还创建了基于大型只读文件的数据结构，这些数据结构被映射到内存中，以便许多进程可以共享相同的数据。

## [Caffe: 深度学习框架][Caffe_] ##

Caffe 是一个由伯克利视觉与学习中心（BVLC）和社区贡献者开发的深度学习框架，它兼具表现力和速度，还有模块化的优点。

## [scikit-learn: Python 机器学习框架][scikit-learn_ Python] ##

Scikit-learn 是一种基于 NumPy、SciPy 和 matplotlib 的用于数据挖掘和数据分析的工具，其不仅使用起来简单高效，而且还是开源的，可供所有人使用，并且拥有商业可用的 BSD 许可证，在不同的环境下都能很好的被使用。

[NuPIC_ Numenta Platform for Intelligent Computing]: https://juejin.im/entry/585223f91b69e60056c2f1cd
[The Shogun Machine Learning Toolbox]: https://juejin.im/entry/5850b44761ff4b00683aab86
[Pymc -]: https://juejin.im/entry/585608c31b69e60056d85a84
[Neon - _ Python]: https://juejin.im/entry/58535c80128fe1006d9f8136
[Statsmodels_ statistical modeling and econometrics in Python]: https://juejin.im/entry/5850b3ee8d6d810065881ca1
[Theano - Python]: https://juejin.im/entry/584e7e2a61ff4b0058e9ad83
[Orange3 -]: https://juejin.im/entry/58550b8561ff4b0063b43a96
[Chainer_ A flexible framework of neural networks for deep learning]: https://juejin.im/entry/5850b48461ff4b00639bf948
[DEAP -]: https://juejin.im/entry/58620b5e1b69e675fcd46821
[PyBrain - Python]: https://juejin.im/entry/5857688361ff4b006cabd46e
[Pattern - Python _ Web]: https://juejin.im/entry/58620bac128fe10069e8647d
[Fuel -]: https://juejin.im/entry/5858c6ea570c350069168a82
[gensim_ Topic modelling for humans]: https://juejin.im/entry/584f9beeac502e006938d6ad
[Nilearn_ _ NeuroImaging _ Python]: https://juejin.im/entry/58550ada8e450a006c9780f0
[PyMVPA - _ Python]: https://juejin.im/entry/585a2ed31b69e60056fdd23c
[Pylearn2_ A machine learning research library]: https://juejin.im/entry/584f9e03128fe1006c97a36f
[TensorFlow _ an Open Source Software Library for Machine Intelligence]: https://juejin.im/entry/584e7ec8ac502e006c766e13
[Annoy - Approximate Nearest Neighbors in C_Python optimized for memory usage and loading_saving to disk]: https://juejin.im/entry/585b783161ff4b005802f278
[Caffe_]: https://juejin.im/entry/584f9b6f61ff4b006cd9d0cc
[scikit-learn_ Python]: https://juejin.im/entry/584e7dcb0ce463005c646d28