目录
1、Numpy
使用Python进行科学计算的基本软件包, 是scikit-learn和 SciPy等机器学习库的基础。
安装方式:
pip
pip install numpy
conda
conda install numpy
2、Pandas
快速,强大,灵活且易于使用的开源数据分析和处理工具。
安装方式:
pip
pip install pandas
conda
conda install pandas
3、Scikit-learn
基于NumPy,SciPy和matplotlib构建,包含了大部分的机器学习算法
链接:https://scikit-learn.org/stable/
安装方式:
pip
pip install scikit-learn
conda
conda install scikit-learn
4、Hyperopt
通用的优化框架,用于调参
链接:https://github.com/hyperopt/hyperopt
安装方式:
pip
pip install hyperopt
5、LightGBM
基于决策树算法的快速,分布式,高性能梯度提升(GBT,GBDT,GBRT,GBM或MART)框架
链接:https://github.com/Microsoft/LightGBM
安装方式:
pip
pip install lightgbm
conda
conda install lightgbm
6、XGBoost
XGBoost是经过优化的高效,灵活且可移植的分布式梯度提升库
链接:https://github.com/dmlc/xgboost
安装方式:
pip
pip install xgboost
conda
conda install py-xgboost
7、Gensim
主题模型工具包,用于训练语义NLP模型
链接:https://radimrehurek.com/gensim/
安装方式:
pip
pip install gensim
conda
conda install gensim
8、NLTK
自然语言工具包
安装方式:
pip
pip install nltk
conda
conda install nltk
9、Pytorch
深度学习框架
链接:https://github.com/pytorch/pytorch
安装方式:
conda
conda install pytorch
10、Tensorflow
深度学习框架
链接:https://tensorflow.google.cn/
安装方式:
pip
pip install tensorflow
conda
conda install tensorflow
11、Keras
Tensorflow 2的高级API,Keras作为tensorflow.keras与TensorFlow 2一起打包。要使用Keras,只需安装TensorFlow 2即可。也可以单独安装。
安装方式:
pip
pip install keras
conda
conda install keras