python机器学习常用包

总结了一些常用的工具：

• Numpy | 必用的科学计算基础包，底层由C实现，计算速度快。
• Pandas | 提供了高性能、易用的数据结构及数据分析工具。

• seaborn | 数据可视化

• NLTK | 自然语言工具包，集成了很多自然语言相关的算法和资源。
• Stanford CoreNLP | Stanford的自然语言工具包，可以通过NLTK调用。
• Gensim | 主题模型工具包，可用于训练词向量，读取预训练好的词向量。
• scikit-learn | 机器学习Python包 ，包含了大部分的机器学习算法。
• XGBoost／LightGBM | Gradient Boosting 算法的两种实现框架。
• PyTorch／TensorFlow／Keras | 常用的深度学习框架。
• StackNet | 准备好特征之后，可以直接使用的Stacking工具包。
• Hyperopt | 通用的优化框架，可用于调参。

转载https://blog.csdn.net/u010899985/article/details/81626808