python语言特色_Python语言特点及其在机器学习中的应用

三、Python在机器学习中的应用

PyCharm是一款非常优秀的Python集成开发环境

(1)Scikit-learn是目前最流行的Python语言机器学习工具包，基于NumPy和SciPy等数值计算库提供了高效的算法实现，涵盖了数据预处理、分类、回归、聚类、降维、模型选择等几乎所有主流机器学习算法，提供了一致的调用接口，简便易用，样例丰富，文档齐全

算法定义svm=SVC(kernel=’rbf’,gamma=0.10,C=10.0)

训练svm.fit(x＿train,y＿train)

预测svm.predict(x＿test)

(2)TensorFlow是市场占有率和用户数都遥遥领先的深度学习框架，可基于数据流图(data flow graphs)在CPU或GPU上的进行高性能的分布数值计算。2019年发布的TensorFlow2.0，简化了深度学习API，利用Keras作为其高级深度学习API，并通过急切执行(Eager Execution)更好地与Python集成，极大地拓展了Python语言进行机器学习的可能。无论是初学者还是资深人士，均可借助其简洁高效地创建深度学习模型、完成深度学习任务。使用Keras创建神经网络进行图像分类的基本过程如下：

创建神经网络model=models.Sequential()

model.add(…)

…

训练神经网络model.compile(…)

model.fit(train＿images,train＿labels)

评估或预测model.evaluate(test＿images,test＿labels)

model.predict(test＿images)