python scikit learn 关闭开源_20 个顶尖的 Python 机器学习开源项目

最新推荐文章于 2021-10-24 20:09:33 发布
最新推荐文章于 2021-10-24 20:09:33 发布
阅读量61 收藏 1
点赞数
文章标签： python scikit learn 关闭开源

我们在Github上的贡献者和提交者之中检查了用Python语言进行机器学习的开源项目，并挑选出最受欢迎和最活跃的项目。”

图1：在GitHub上用Python语言机器学习的项目，图中颜色所对应的Bob, Iepy, Nilearn, 和NuPIC拥有最高的价值。

1. Scikit-learn

scikit-learn/scikit-learn

Scikit-learn 是基于Scipy为机器学习建造的的一个Python模块，他的特色就是多样化的分类，回归和聚类的算法包括支持向量机，逻辑回归，朴素贝叶斯分类器，随机森林，Gradient Boosting，聚类算法和DBSCAN。而且也设计出了Python numerical和scientific libraries Numpy and Scipy

2.Pylearn2

lisa-lab/pylearn2

Pylearn是一个让机器学习研究简单化的基于Theano的库程序。

3.NuPIC

numenta/nupic

NuPIC是一个以HTM学习算法为工具的机器智能平台。HTM是皮层的精确计算方法。HTM的核心是基于时间的持续学习算法和储存和撤销的时空模式。NuPIC适合于各种各样的问题,尤其是检测异常和预测的流数据来源。

4. Nilearn

nilearn/nilearn

Nilearn 是一个能够快速统计学习神经影像数据的Python模块。它利用Python语言中的scikit-learn 工具箱和一些进行预测建模，分类，解码，连通性分析的应用程序来进行多元的统计。

5.PyBrain

pybrain/pybrain

Pybrain是基于Python语言强化学习，人工智能，神经网络库的简称。 它的目标是提供灵活、容易使用并且强大的机器学习算法和进行各种各样的预定义的环境中测试来比较你的算法。

6.Pattern

clips/pattern

Pattern 是Python语言下的一个网络挖掘模块。它为数据挖掘，自然语言处理，网络分析和机器学习提供工具。它支持向量空间模型、聚类、支持向量机和感知机并且用KNN分类法进行分类。

7.Fuel

mila-udem/fuel

Fuel为你的机器学习模型提供数据。他有一个共享如MNIST, CIFAR-10 (图片数据集), Google's One Billion Words (文字)这类数据集的接口。你使用他来通过很多种的方式来替代自己的数据。

8.Bob

idiap/bob

Bob是一个免费的信号处理和机器学习的工具。它的工具箱是用Python和C++语言共同编写的，它的设计目的是变得更加高效并且减少开发时间，它是由处理图像工具,音频和视频处理、机器学习和模式识别的大量软件包构成的。

9.Skdata

jaberg/skdata

Skdata是机器学习和统计的数据集的库程序。这个模块对于玩具问题，流行的计算机视觉和自然语言的数据集提供标准的Python语言的使用。

10.MILK

luispedro/milk

MILK是Python语言下的机器学习工具包。它主要是在很多可得到的分类比如SVMS,K-NN,随机森林，决策树中使用监督分类法。 它还执行特征选择。 这些分类器在许多方面相结合,可以形成不同的例如无监督学习、密切关系金传播和由MILK支持的K-means聚类等分类系统。

11.IEPY

machinalis/iepy

IEPY是一个专注于关系抽取的开源性信息抽取工具。它主要针对的是需要对大型数据集进行信息提取的用户和想要尝试新的算法的科学家。

12.Quepy

machinalis/quepy

Quepy是通过改变自然语言问题从而在数据库查询语言中进行查询的一个Python框架。他可以简单的被定义为在自然语言和数据库查询中不同类型的问题。所以，你不用编码就可以建立你自己的一个用自然语言进入你的数据库的系统。

现在Quepy提供对于Sparql和MQL查询语言的支持。并且计划将它延伸到其他的数据库查询语言。

13.Hebel

hannes-brt/hebel

Hebel是在Python语言中对于神经网络的深度学习的一个库程序，它使用的是通过PyCUDA来进行GPU和CUDA的加速。它是最重要的神经网络模型的类型的工具而且能提供一些不同的活动函数的激活功能，例如动力，涅斯捷罗夫动力，信号丢失和停止法。

14.mlxtend

rasbt/mlxtend

它是一个由有用的工具和日常数据科学任务的扩展组成的一个库程序。

15.nolearn

dnouri/nolearn

这个程序包容纳了大量能对你完成机器学习任务有帮助的实用程序模块。其中大量的模块和scikit-learn一起工作，其它的通常更有用。

16.Ramp

kvh/ramp

Ramp是一个在Python语言下制定机器学习中加快原型设计的解决方案的库程序。他是一个轻型的pandas-based机器学习中可插入的框架，它现存的Python语言下的机器学习和统计工具(比如scikit-learn,rpy2等)Ramp提供了一个简单的声明性语法探索功能从而能够快速有效地实施算法和转换。

17.Feature Forge

machinalis/featureforge

这一系列工具通过与scikit-learn兼容的API，来创建和测试机器学习功能。

这个库程序提供了一组工具，它会让你在许多机器学习程序使用中很受用。当你使用scikit-learn这个工具时，你会感觉到受到了很大的帮助。(虽然这只能在你有不同的算法时起作用。)

18.REP

yandex/rep

REP是以一种和谐、可再生的方式为指挥数据移动驱动所提供的一种环境。

它有一个统一的分类器包装来提供各种各样的操作，例如TMVA, Sklearn, XGBoost, uBoost等等。并且它可以在一个群体以平行的方式训练分类器。同时它也提供了一个交互式的情节。

19.Python 学习机器样品

awslabs/machine-learning-samples

用亚马逊的机器学习建造的简单软件收集。

20.Python-ELM

dclambert/Python-ELM

这是一个在Python语言下基于scikit-learn的极端学习机器的实现。

weixin_39944515
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Machine-Learning-Library
06-16
机器学习库 几种机器学习算法的 Java 库。 将添加朴素贝叶斯、决策树（C4.5）、随机森林、SVM（线性和非线性）以及聚类算法（k-means）。 ##TODO 注意：添加对连续变量的支持（高斯） DecTree：添加缺失值支持，添加基尼指数和信息增益比，连续特征实现C5.0而不是C4.5？ 更高效的内存，更好的性能 K-means、分层、DBScan + 优化
Python机器学习之scikit-learn库中KNN算法的封装与使用方法
09-19
在Python机器学习领域，scikit-learn库是一个广泛使用的开源工具包，提供了各种机器学习算法，包括监督学习和无监督学习。本篇文章将详细介绍如何在scikit-learn库中封装和使用K近邻（K-Nearest Neighbors，简称KNN...
Machine Learning python lib
oPerform的专栏
04-24 419
我们分析了GitHub上的前20名Python机器学习项目，发现scikit-Learn，PyLearn2和NuPic是贡献最积极的项目。让我们一起在Github上探索这些流行的项目！ 　　Scikit-learn：Scikit-learn 是基于Scipy为机器学习建造的的一个Python模块，他的特色就是多样化的分类，回归和聚类的算法包括支持向量机，逻辑回归，朴素贝叶斯分类器，随机森林，Gra...
Machine_Learning_Library
github_28583061的博客
05-06 379
Machine Learning Library Local vector--局部向量 一个局部向量由一个从0开始的整数类型索引和一个double类型的值组成，被存储在一个单独的机器上。MLlib支持两种类型的局部向量：密集型和稀疏行。一个密集型依靠一个double型数组来代表他的entry值，而一个稀疏型向量依靠两个并行数组：索引数组和值数组。举个例子，一个向量(1.0,0.0,3.0)可以被...
python machine learning_开源《Python 机器学习》-Python Machine Learning第一版+第二版（附电子版 pdf）...
weixin_39902545的博客
11-20 259
原标题：开源《Python 机器学习》-Python Machine Learning第一版+第二版（附电子版 pdf）《Python Machine Learning》有两版，中文译为《Python 机器学习》，机器学习与预测分析正在改变企业和其他组织的运作方式，本书将带领读者进入预测分析的世界。全书共16章，除了简要介绍机器学习及Python在机器学习中的应用，还系统讲述了数据分类、数据预处理...
Machine Learning Library (MLlib) Guide, BOOKS
weixin_34309435的博客
04-06 169
  download.microsoft.com/download/0/9/6/096170E9-23A2.../9780735698178.pdf   Microsoft Azure Essentials Azure Machine Learning http://spark.apache.org/docs/latest/ml-guide.html http://scikit-le...
Python机器学习工具包scikit-learn.zip
07-19
scikit-learn 是一个 Python 的机器学习项目。是一个简单高效的数据挖掘和数据分析工具。基于 NumPy、SciPy 和 matplotlib 构建。 标签：scikit
scikit-learn:Python中的机器学习-开源
04-28
Scikit-learn是Python编程语言中的一个核心机器学习库，其设计目的是为了简化数据科学工作流程，特别是机器学习任务。这个库是建立在其他几个重要的Python库之上，如NumPy，SciPy和matplotlib，这些库为数值计算和...
Deep learning(scikit-learn).zip_SCIKIT-LEARN_deep learning_pytho
07-13
scikit-learn是Python中最受欢迎的机器学习库之一，它提供了各种算法，包括监督学习、无监督学习以及模型选择工具。在“Deep learning(scikit-learn).zip”这个压缩包文件中，我们可能会找到一系列教程、代码示例或...
Python数据速查表 - Scikit-Learn.pdf
最新发布
01-25
Scikit-learn是Python编程语言中的一个强大工具，专门用于机器学习、数据预处理、交叉验证和可视化。这个开源库提供了丰富的算法集，且具有统一的接口，使得开发者能够轻松地进行模型训练、评估和调优。 在Scikit-...
MachineLearning-Library-开源
06-29
机器学习库，执行多种聚类算法（k-means、增量 k-means、DBSCAN、增量 DBSCAN、有丝分裂、增量有丝分裂、均值漂移和 SHC）并执行几种半监督机器学习方法（自学习和协同训练） ）。 -------------------------------------------------- ------------------------- 要运行库，只需双击 jar 文件。 此外，您可以使用以下命令行： Java -Xms1500m -jar "ML Library.jar" 以确保 java 虚拟机有足够的空间来运行。 您可以在代码/测试下找到示例测试文件。 聚类部分的测试文件位于 code/Test/InputFile 下，其中包含两个变色龙数据集：http://glaros.dtc.umn.edu/gkhome/cluto/cluto/download 另外，您可以找到用于自学的示例测试文件并在其对应的文件夹下进行协同训练。 主要是基因/miRNAs的表达，下载地址：http://0-www.ncbi.nlm.nih.gov.elis.tmu.edu.tw/
machine_learning
02-24
[eric @ almond my] $conda清单 名称版本建设渠道 ipython 6.4.0 py36_0 matplotlib 2.2.2 py36hb69df0a_2 的numpy 1.14.5 py36hcd700cb_1 熊猫0.23.1 py36h637b7d7_0 python 3.6.5 hc3d631a_2 scikit学习0.19.1 py36h7aa7ec6_0 scipy 1.1.0 py36hfc37229_0 西雅图0.8.1 py36hfad7ec4_0 $ ipython log_reg_1_class_1_feature_newton.py $ ipython log_reg_2_classes_2_features_newton.py
[machine_learning_mastery系列]Master_Machine_Learning_Algorithms.pdf
06-05
Preface Machine learning algorithms dominate applied machine learning. Because algorithms are such a big part of machine learning you must spend time to get familiar with them and really understand how they work. I wrote this book to help you start this journey. You can describe machine learning algorithms using statistics, probability and linear algebra. The mathematical descriptions are very precise and often unambiguous. But this is not the only way to describe machine learning algorithms. Writing this book, I set out to describe machine learning algorithms for developers (like myself). As developers, we think in repeatable procedures. The best way to describe a machine learning algorithm for us is: 1. In terms of the representation used by the algorithm (the actual numbers stored in a file). 2. In terms of the abstract repeatable procedures used by the algorithm to learn a model from data and later to make predictions with the model. 3. With clear worked examples showing exactly how real numbers plug into the equations and what numbers to expect as output. This book cuts through the mathematical talk around machine learning algorithms and shows you exactly how they work so that you can implement them yourself in a spreadsheet, in code with your favorite programming language or however you like. Once you possess this intimate knowledge, it will always be with you. You can implement the algorithms again and again. More importantly, you can translate the behavior of an algorithm back to the underlying procedure and really know what is going on and how to get the most from it. This book is your tour of machine learning algorithms and I’m excited and honored to be your tour guide. Let’s dive in.
[machine_learning_mastery系列]Machine_Learning_Mastery_With_Python.pdf
06-05
Preface I think Python is an amazing platform for machine learning. There are so many algorithms and so much power ready to use. I am often asked the question: How do you use Python for machine learning? This book is my definitive answer to that question. It contains my very best knowledge and ideas on how to work through predictive modeling machine learning projects using the Python ecosystem. It is the book that I am also going to use as a refresher at the start of a new project. I’m really proud of this book and I hope that you find it a useful companion on your machine learning journey with Python. Jason Brownlee Melbourne, Australia 2016
python machine learning_Python Machine Learning
weixin_29341747的博客
02-09 489
一、Locust工具介绍 1.概述 Locust是一款易于使用的分布式负载测试工具，完全基于事件，使用python开发，即一个locust节点也可以在一个进程中支持数千并发用户，不使用回调，通过gevent使用轻量级过程(即在自己的进程内运行)。 2.常见性能测试工具比较 3.环境搭建 源码安装：下 ...»airb性能测试2021-02-08最近遇到的一个问题，在搞清楚之后才发现这么多年的 HT...
安装Machine Learning环境
u011244708的博客
10-01 408
升级python版本到3.5以上。详情参考Linux升级python版本 步骤1中也包含了安装pip 第一批ml环境 pip install tensorflow pip install keras pip install beautifulsoup4 pip install lxml pip install nltk pip install sklearn pip i...
学习Machine_learning系列
dengdengma520的博客
03-17 201
当用sklearn库来实现决策树算法时，from sklearn.feature_extraction import DictVectorizer import csv from sklearn import preprocessing from sklearn import tree from sklearn.externals.six import StringIO allelectroni...
常用python机器学习库总结
fanblog的博客
07-08 668
开始学习Python，之后渐渐成为我学习工作中的第一辅助脚本语言，虽然开发语言是Java，但平时的很多文本数据处理任务都交给了Python。这些年来，接触和使用了很多Python工具包，特别是在文本处理，科学计算，机器学习和数据挖掘领域，有很多很多优秀的Python工具包可供使用，所以作为Pythoner，也是相当幸福的。如果仔细留意微博和论坛，你会发现很多这方面的分享，自己也Google了一下，发现也有同学总结了“Python机器学习库”，不过总感觉缺少点什么。最近流行一个词，全栈工程师（full sta
机器学习算法导论---kernel_svm
weixin_44856491的博客
10-24 546
import numpy as np from machine_learning.lib.svm_smo import SVM class KernelSVM(SVM): def __init__(self,kernel=None): self.kernel=kernel def get_K(self,X_1,X_2): if self.kernel==None: return X_1.dot(X_2.T) m1,m
探索热门开源Python机器学习项目：Scikit-learn至Shogun
本文档汇集了当前热门的开源Python机器学习项目，旨在帮助开发者了解并利用这些强大的工具进行数据挖掘、深度学习和统计建模。以下是一些关键的项目介绍： 1. Scikit-learn: 这是一个基于NumPy、SciPy和matplotlib...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值