机器学习年度 20 大开源项目花落谁家？（Python 版）

[转] http://www.leiphone.com/news/201612/PEyfFyUxtTVLHKx6.html

导语：去年 KDnuggets 评选了前 20 大机器学习开源项目​（Python版），今年进行重新评选后，出现了一些新的面孔，有13个新开源项目入选了这个名单。

如今，开源已经成为创新与技术发展的核心。在本文中，雷锋网将介绍 2016 Python 前20大机器学习开源项目。

去年 KDnuggets 评选了前 20 大机器学习开源项目（Python版），今年的评选结果与去年相比，名单中出现了一些新的面孔，有13个新开源项目入围了这个名单。作者 Prasad Pore 将具体介绍这些开源项目，雷锋网编译，未经许可不得转载。

第一名：Scikit-learn

Scikit-learn可以说是一款简单而高效的数据挖掘与分析工具，大家可以免费下载安装，使用它处理各种数据，使用时需引入 NumPy, SciPy, and matplotlib这些第三方开源模块。

提交: 21486    贡献: 736    Github URL: Scikit-learn

第二名：Tensorflow

Tensorflow是由谷歌大脑与谷歌人工智能实验室的科研人员研发而成的，这个系统用于机器学习的研究，可以简单、快速的实现研究人员的想法。前段时间恰逢Tensorflow一周年，雷锋网也做过报道和回顾。

提交: 10466    贡献: 493    Github URL: Tensorflow

第三名：Theano

Theano可以对那些高维数组数学表达式进行定义、优化与评估。

提交: 24108    贡献: 263    Github URL: Theano

第四名：Caffe

Caffe是一款具有表达、加速、模块化思想的深度学习框架，由 Berkeley Vision and Learning Center (BVLC)于社区志愿者共同开发维护。

提交: 3801    贡献: 215    Github URL: Caffe

第五名：Gensim 

Gensim是一个免费的Python库，这个库可以实现文本的情感倾向判断，相似文本检索等功能。

提交: 2702    贡献: 145    Github URL: Gensim

第六名：Pylearn2 

Pylearn2 也是一个机器学习的开源库，但它是一个基于Theano的库，所以它有一些Theano的特点，你可以使用数学表达式来写Pylearn2插件，Theano会自动对你写的表达式进行优化，按照你的选择（用CPU或GPU）对这些表达式进行编译。

提交: 7100    贡献: 115    Github URL: Pylearn2

第七名：Statsmodels

Statsmodels是一款Python开源工具，可以实现数据探究、统计模型评价、性能测试等功能，扩展性能良好，可对各种类型的数据进行各种处理，例如描述统计、统计测试、绘图、结果统计等等。

提交: 8664    贡献: 108    Github URL: Statsmodels

第八名：Shogun

Shogun是一款机器学习工具，其包含了各种机器学习方法。它可以简单的实现多种数据表示、多种算法的无缝融合。

提交: 15172    贡献: 105    Github URL: Shogun

第九名：Chainer

Chainer是一个基于Python的开源深度学习框架，它可以让你以一种灵活、简单、快速的方式实现多种深度学习模型，包括RNN与各种自编码。

提交: 6298    贡献: 84    Github URL: Chainer

第十名：NuPIC

NuPIC是一个基于Hierarchical Temporal Memory理论的开源项目，目前Hierarchical Temporal Memory这个理论中的部分功能已经实现，并进行了测试与应用，其它部分正在完善中。

提交: 6088    贡献: 76    Github URL: NuPIC

第十一名：Neon

Neon是一款深度学习第三方库，在进行高性能计算时它具有简单易用的特点。

提交: 875    贡献: 47    Github URL: Neon

第十二名：NiLearn

NiLearn主要用于处理医学图像数据，具有简单、快速的特点。它通过调用scikit-learn进行多元统计分析（例如：预测模型、分类、解码、关联分析）。

提交: 5254    贡献: 46    Github URL: NiLearn

第十三名：Orange3

Orange3是一款机器学习与数据可视化开源工具，可以对数据进行各种交互分析。

提交: 6356    贡献: 40    Github URL: Orange3

第十四名：Pymc

Pymc是一个贝叶斯统计模型（包括马尔科夫链）库，具有灵活、扩展性能好的特点。

提交: 2701    贡献: 37    Github URL: Pymc

第十五名：PyBrain：

PyBrain是一个机器学习库，它的目标是让算法的实现变的简单、灵活、高效。同时使得在特定环境下对算法的测试与比较也变的简单、灵活、高效。

提交: 984    贡献: 31    Github URL: PyBrain

第十六名：Fuel

Fuel主要用于算法与输入数据之间的衔接。它将被Blocks and Pylearn2这两个Python库使用。

提交: 1053    贡献: 29    Github URL: Fuel

第十七名： PyMVPA 

PyMVPA 适用于大规模的数据集，具有扩展性能好优点，提供多种算法（分类、回归、特征选择、数据导入、数据导出等）接口。

提交: 9258    贡献: 26    Github URL: PyMVPA

第十八名：Annoy

Annoy是一个Python可调用的C++库，主要用来对给定数据进行搜索。它可以生成大量的基于文档的可读数据结构，这种数据结构与内存相对应，从而使数据被共享。

提交: 365    贡献: 24    Github URL: Annoy

第十九名：Deap

Deap是一款新的计算框架，它使得算法实现与数据结构变得简单明了。它采用的是并行处理机制。

提交: 1854    贡献: 21    Github URL: Deap

第二十名：Pattern

Pattern是一款web信息挖掘工具，它集成了各种工具。这些工具可以用来进行数据挖掘、自然语言处理、机器学习、网络分析。

提交: 943    贡献: 20    Github URL: Pattern

如下图所示，PyMVPA的社区贡献率最高，而排名第一的Scikit-learn社区贡献率却很低，究其原因是PyMVPA是还是一个比较新的开源项目，还有一些地方需要完善、修复。而Scikit-learn则是一个相对来说比较成熟的项目，需要修改、完善的地方比较少。

当我们对2015与2016的结果进行对比（下图），我们发现Pattern, PyBrain and Pylearn2这三个项目的贡献人数与提交数均没有变化。贡献的人增加了，提交的次数也才跟着增加，这就是开源社区的神奇所在。这些新增的贡献者与其提交内容导致了新的思想、新的软件的产生。

基于2016年20大机器学习开源项目的贡献人数与提交数，以上是雷锋网(公众号：雷锋网)整理的简单分析。不知道到明年的评选上，又有怎样的开源平台会登上这个榜单呢？

via Top 20 Python Machine Learning Open Source Project