(点击上方蓝字,快速关注我们)
英文: Bruno Stecanella 编译: 伯乐在线 - 小米云豆粥
http://python.jobbole.com/88705/
目前机器学习红遍全球。男女老少都在学机器学习模型,分类器,神经网络和吴恩达。你也想成为一份子,但你该如何开始?
在这篇文章中我们会讲Python的重要特征和它适用于机器学习的原因,介绍一些重要的机器学习包,以及其他你可以获取更详细资源的地方。
为什么用Python做机器学习
Python很适合用于机器学习。首先,它很简单。如果你完全不熟悉Python但是有一些其他的编程经验(C或者其他编程语言),要上手是很快的。其次,Python的社区很强大。这使得Python的文档不仅条理性好,而且容易读。你还可以在StackOverFlow上找到关于很多问题详细解答(学习基石)。再次,一个强大的社区带来的副产品就是大量有用程序库(Python内部自带的和第三方软件),基本上可以解决你所有的问题(包括机器学习)。
但我听说Python很慢
Python是很慢。它不是执行最快的语言,拥有那么多好用的抽象是要付出代价的。
但这是个可以解决的问题:程序库可以把计算量繁重的部分外包给其他更高效(但更难使用)的语言,例如C和C++。比如NumPy这个提供数值运算的程序库,就是用C写的,运行速度超快。在实际运用中,几乎所有程序库都会使用NumPy去完成计算繁重的部分。如果你看到Numpy,你应该想到它很快。
所以你是可以让程序的运行速度跟它的低层语言实现的运行速度相比拟的。你没有必要担心程序的运行速度。
值得知道的Python程序库
Scikit-learn
你刚开始学机器学习吗?如果你需要一个涵盖了特征工程,模型训练和模型测试所有功能的程序库,scikit-learn是你的最佳选择!这个优秀的免费软件提供了机器学习和数据挖掘所需要的所有工具。它是目前Python机器学习的标准库。要使用任何成熟的机器学习算法都推荐使用这个库。
这个程序库支持分类和回归,实现了基本所有的经典算法(支持向量机,随机森林,朴素贝叶斯等等)。程序库的设计让迁移算法十分容易,使用不同的算法做实验非常轻松。这些经典算法可用性很强,能用于大量不同的情况。
但这并不是Scikit-learn的全部功能,它同样可以用来做降维,聚类等等任何你所能想到的。由于它构建在Numpy和Scipy之上(所有的数值计算都是由C语言来完成的),它的运行速度也超快。
这些例子可以告诉你这个库的功能,如果你想学习如何使用它,可以阅读教程。
NLTK
NLTK不算是一个机器学习的程序库,但它是做自然语言处理(NLP)必须的一个库。除了用于文字处理的功能,例如聚类,分词,词干提取,标记,解析等,它还包含了大量的数据集和其他关于词法的资源(可用于模型训练)。
把所有这些打包在一起的好处就不用再多说了。如果你对NLP感兴趣,可以看看这些教程!
Theano
Theano被广泛应用于工业界和学术界,它是所有深度学习架构的鼻祖。Theano是用Python,结合Numpy实现的。你可以用它来构建用多维数组实现神经网络。Theano会处理所有数学计算,你不需要知道底层的数学公式实现。
早在支持使用GPU进行计算不像今天这样普及的时候,Theano就已经提供了对GPU计算的支持。这个程序库目前已经非常成熟,能够支持很多不同类型的操作。这使得Theano可以在和其他库比较的时候胜出。
目前关于Theano最大的问题是API不是很好用,对于新手来说上手困难。不过市面上已经有了解决这个问题的封装包,比如Keras, Blocks 和 Lasagne,都可以简化Theano的使用。
TensorFlow
谷歌大脑团队为了内部使用创造了TensorFlow,2015年将其开源化。设计初衷是取代他们已有的封闭机器学习框架DistBelief,据说该构架太过于依赖Google的整体构架,也不够灵活,在分享代码的时候非常不方便。
于是就有了TensorFlow。谷歌从以前的错误中吸取了教训。许多人认为TensorFlow是Theano的改进版,它提供了更灵活和好用的API。可以用于科研和工业界,同时支持使用大量的GPU进行模型训练。TensorFlow支持的操作没有Theano多,但是它的计算可视化比Theano好。
TensorFlow目前非常流行。如果今天这篇文章里面提到的名字你只听说了一个,那很有可能是这个。每天都有新的提到TensorFlow的博文或学术文章发表。这个流行度提供了大量的用户和教程,新人很容易上手。
Keras
Keras是一个提供更高层神经网络API的库,它可以基于Theano或者TensorFlow。它拥有这两个库强大的功能却又同时大大地简化了使用难度。它将用户的体验放在首要地位,提供简单的API和很有用的错误信息。
同时Keras的设计基于模块,这就使得你能自由组合不同的模型(神经层,成本函数等等),而且模型的可扩展性很好,因为你只需要简单的将新模块跟已有的连起来即可。
有人觉得Keras太好用了,简直就是在作弊。如果你开始用深度学习,可以看看例子 和 文档,对于你可以用它做什么有个数。如果你要学习使用它,可以从 这个教程开始。
两个类似的库有Lasagne 和 Blocks, 但它们只支持Theano。如果你试过了Keras但是你不喜欢它你可以试试这些其他的库,也许它们更适合你。
PyTorch
还有一个有名的深度学习架构是Torch,它是用Lua实现的。Facebook用Python实现了Torch,叫做PyTorch,并将它开源了。用这个库你可以使用Torch使用的低层的库,但是你可以使用Python而不是Lua。
PyTorch对查错的支持很好,这是因为Theano和TensorFlow使用符号计算而PyTorch则不是。使用符号计算就表明在一行代码被解释的时候,一个操作(x+y)并不会被执行,在那之前,它必须先被编译(解释成CUDA或者C语言)。这就让用Theano和TensorFlow的时候很难查错,因为很难把报错跟当前的代码联系起来。这样做有它的好处,不过查错简单不在其中。
如果你想开始学PyTorch,官方文档适合初学者也会包含有难度的内容。
机器学习的第一步?
你讲了这么多机器学习的包,我应该用哪一个?我怎样比较它们?我从哪里开始?
你可以试用我们面向初学者的平台Ape Advice™,就不用烦细节的问题了。如果你完全没有接触过机器学习,从scikit-learn开始。你可以了解标记,训练和测试是怎样工作的,以及一个模型是如何被建立的。
如果你想试试深度学习,从 Keras开始,毕竟这是大家公认的最简单的框架。你可以先试试,找找感觉。当你有点经验之后,你可以开始考虑你最需要的是什么:速度,不同的API,或者别的什么,之后你就能更好地决定了。
目前有海量的文章比较Theano,Torch和TensorFlow。没有人能说哪个最好。你要记住的是所有包都支持很多东西,而且也在不断改进,想相互比较它们也越来越难。六个月前的标准有可能已经过时了,一年前的评价说框架X没有Y功能也不一定还有效。
最后,如果你想用NLP,可以试试MonkeyLearn!我们的这个平台所提供的用户界面让建造模型,训练模型和改进NLP模型都非常容易试下。你可以用事先训练好的模型处理常见问题(意见挖掘,话题探测或者提取关键字),也可以为你特有的问题设计一个新的算法。你不需要担心底层实现或者发布你的模型,我们可扩展的云系统会帮你完成这些。你可以免费注册,马上开始试用我们超棒的API。
想知道更多?
关于机器学习的网络资源很多!下面列举一些:
如果你想看看代码, 这里有 一个机器学习详细范例的Jupyter Notebook
如果你想知道更多机器学习的概念,可以看我们的机器学习入门指南
如果你要认真学机器学习,你可以从Andrew Ng’s Stanford CS229 on Coursera开始;如果你要找关于深度学习的网络课程,可以看看 fast.ai.
结语
这篇关于用Python库做机器学习的简介就到此为止。我想强调的是不要被细节吓住了,放手尝试。让你的好奇心指导你前进,不要害怕进行不同的实验。
如果你知道我没有提到的Python库,可以发在评论里面!
看完本文有收获?请转发分享给更多人
关注「Python开发者」,提升Python技能