看见更大的世界,遇见更好的自己
See a better world to meet better for ourselves.
机器学习是人工智能的一个分支。人工智能的研究历史,有着一条从以“推理”为重点,到以“知识”为重点,再到以“学习”为重点的清晰的脉络。就是以机器学习为手段解决人工智能中的问题。在近30多年的发展,成为一门多领域交叉学科,涉及概率论、统计学、计算复杂性理论等多门学科。理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。
2020年的12月,如今机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、医学诊断、战略游戏和机器人等领域,好事者特别推荐10款优秀的Python计算生态,帮你了解算法,在经验中学习。
scikit-learn
最受欢迎的机器学习Python库。
gym
用于开发和比较强化学习算法的工具包。
H2O
开源快速可扩展机器学习平台。
Metrics
机器学习评估指标,以Python,R,Haskell和MATLAB / Octave实现。
Eli5
ELI5是一个Python库,可以使用统一的API可视化和调试各种机器学习模型。它具有对多个ML框架的内置支持,并提供了一种解释黑盒模型的方法。
NuPIC
Numenta智能计算平台(NuPIC)是实现HTM学习算法的机器智能平台。https://github.com/numenta/nupic
Spark
ML
MLlib是Spark的机器学习(ML)库。它的目标是使实用的机器学习可扩展且容易。
Vowpal Wabbit
Vowpal Wabbit是一个机器学习系统,它通过在线,哈希,减少,归约,学习搜索,主动和交互式学习等技术来推动机器学习的前沿。
XGBoost
XGBoost是经过优化的分布式梯度增强库,旨在高效,灵活且可移植。
igel
一个令人愉悦的机器学习工具,可让您无需编写代码即可训练/拟合,测试和使用模型。