常用Python机器学习库有哪些 python机器学习库哪个比较好些

python \u673a\u5668\u5b66\u4e60 \u7528\u4ec0\u4e48\u5e93

\u4f7f\u7528Python\u7f16\u7a0b\u53ef\u4ee5\u5feb\u901f\u8fc1\u79fb\u4ee3\u7801\u5e76\u8fdb\u884c\u6539\u52a8\uff0c\u65e0\u987b\u82b1\u8d39\u8fc7\u591a\u7684\u7cbe\u529b\u5728\u4fee\u6539\u4ee3\u7801\u4e0e\u4ee3\u7801\u89c4\u8303\u4e0a\u3002\u5f00\u53d1\u8005\u5728Python\u4e2d\u5c01\u88c5\u4e86\u5f88\u591a\u4f18\u79c0\u7684\u4f9d\u8d56\u5e93\uff0c\u53ef\u4ee5\u76f4\u63a5\u62ff\u6765\u4f7f\u7528\uff0c\u5e38\u89c1\u7684\u673a\u5668\u5b66\u4e60\u5e93\u5982\u4e0b\uff1a
1\u3001Scikit-Learn
Scikit-Learn\u57fa\u4e8eNumpy\u548cScipy\uff0c\u662f\u4e13\u95e8\u4e3a\u673a\u5668\u5b66\u4e60\u5efa\u9020\u7684\u4e00\u4e2aPython\u6a21\u5757\uff0c\u63d0\u4f9b\u4e86\u5927\u91cf\u7528\u4e8e\u6570\u636e\u6316\u6398\u548c\u5206\u6790\u7684\u5de5\u5177\uff0c\u5305\u62ec\u6570\u636e\u9884\u5904\u7406\u3001\u4ea4\u53c9\u9a8c\u8bc1\u3001\u7b97\u6cd5\u4e0e\u53ef\u89c6\u5316\u7b97\u6cd5\u7b49\u4e00\u7cfb\u5217\u63a5\u53e3\u3002
Scikit-Learn\u57fa\u672c\u529f\u80fd\u53ef\u5206\u4e3a\u516d\u4e2a\u90e8\u5206\uff1a\u5206\u7c7b\u3001\u56de\u5f52\u3001\u805a\u7c7b\u3001\u6570\u636e\u964d\u7ef4\u3001\u6a21\u578b\u9009\u62e9\u3001\u6570\u636e\u9884\u5904\u7406\u3002\u5176\u4e2d\u96c6\u6210\u4e86\u5927\u91cf\u5206\u7c7b\u3001\u56de\u5f52\u3001\u805a\u7c7b\u529f\u80fd\uff0c\u5305\u62ec\u652f\u6301\u5411\u91cf\u673a\u3001\u903b\u8f91\u56de\u5f52\u3001\u968f\u673a\u68ee\u6797\u3001\u6734\u7d20\u8d1d\u53f6\u65af\u7b49\u3002
2\u3001Orange3
Orange3\u662f\u4e00\u4e2a\u57fa\u4e8e\u7ec4\u4ef6\u7684\u6570\u636e\u6316\u6398\u548c\u673a\u5668\u5b66\u4e60\u8f6f\u4ef6\u5957\u88c5\uff0c\u652f\u6301Python\u8fdb\u884c\u811a\u672c\u5f00\u53d1\u3002\u5b83\u5305\u542b\u4e00\u7cfb\u5217\u7684\u6570\u636e\u53ef\u89c6\u5316\u3001\u68c0\u7d22\u3001\u9884\u5904\u7406\u548c\u5efa\u6a21\u6280\u672f\uff0c\u5177\u6709\u4e00\u4e2a\u826f\u597d\u7684\u7528\u6237\u754c\u9762\uff0c\u540c\u65f6\u4e5f\u53ef\u4ee5\u4f5c\u4e3aPython\u7684\u4e00\u4e2a\u6a21\u5757\u4f7f\u7528\u3002
\u7528\u6237\u53ef\u901a\u8fc7\u6570\u636e\u53ef\u89c6\u5316\u8fdb\u884c\u6570\u636e\u5206\u6790\uff0c\u5305\u542b\u7edf\u8ba1\u5206\u5e03\u56fe\u3001\u67f1\u72b6\u56fe\u3001\u6563\u70b9\u56fe\uff0c\u4ee5\u53ca\u66f4\u6df1\u5c42\u6b21\u7684\u51b3\u7b56\u6811\u3001\u5206\u5c42\u805a\u7c07\u3001\u70ed\u70b9\u56fe\u3001MDS\u7b49\uff0c\u5e76\u53ef\u4f7f\u7528\u5b83\u81ea\u5e26\u7684\u5404\u7c7b\u9644\u52a0\u529f\u80fd\u7ec4\u4ef6\u8fdb\u884cNLP\u3001\u6587\u672c\u6316\u6398\u3001\u6784\u5efa\u7f51\u7edc\u5206\u6790\u7b49\u3002
3\u3001XGBoost
XGBoost\u662f\u4e13\u6ce8\u4e8e\u68af\u5ea6\u63d0\u5347\u7b97\u6cd5\u7684\u673a\u5668\u5b66\u4e60\u51fd\u6570\u5e93\uff0c\u56e0\u5176\u4f18\u826f\u7684\u5b66\u4e60\u6548\u679c\u53ca\u9ad8\u6548\u7684\u8bad\u7ec3\u901f\u5ea6\u800c\u83b7\u5f97\u5e7f\u6cdb\u7684\u5173\u6ce8\u3002XGBoost\u652f\u6301\u5e76\u884c\u5904\u7406\uff0c\u6bd4\u8d77\u540c\u6837\u5b9e\u73b0\u4e86\u68af\u5ea6\u63d0\u5347\u7b97\u6cd5\u7684Scikit-Learn\u5e93\uff0c\u5176\u6027\u80fd\u63d0\u534710\u500d\u4ee5\u4e0a\u3002XGBoost\u53ef\u4ee5\u5904\u7406\u56de\u5f52\u3001\u5206\u7c7b\u548c\u6392\u5e8f\u7b49\u591a\u79cd\u4efb\u52a1\u3002
4\u3001NuPIC
NuPIC\u662f\u4e13\u6ce8\u4e8e\u65f6\u95f4\u5e8f\u5217\u7684\u4e00\u4e2a\u673a\u5668\u5b66\u4e60\u5e73\u53f0\uff0c\u5176\u6838\u5fc3\u7b97\u6cd5\u4e3aHTM\u7b97\u6cd5\uff0c\u76f8\u6bd4\u4e8e\u6df1\u5ea6\u5b66\u4e60\uff0c\u5176\u66f4\u4e3a\u63a5\u8fd1\u4eba\u7c7b\u5927\u8111\u7684\u8fd0\u884c\u7ed3\u6784\u3002HTM\u7b97\u6cd5\u7684\u7406\u8bba\u4f9d\u636e\u4e3b\u8981\u662f\u4eba\u8111\u4e2d\u5904\u7406\u9ad8\u7ea7\u8ba4\u77e5\u529f\u80fd\u7684\u65b0\u76ae\u8d28\u90e8\u5206\u7684\u8fd0\u884c\u539f\u7406\u3002NuPIC\u53ef\u7528\u4e8e\u9884\u6d4b\u4ee5\u53ca\u5f02\u5e38\u68c0\u6d4b\uff0c\u4f7f\u7528\u9762\u975e\u5e38\u5e7f\uff0c\u4ec5\u8981\u6c42\u8f93\u5165\u65f6\u95f4\u5e8f\u5217\u5373\u53ef\u3002
5\u3001Milk
Milk\u662fPython\u4e2d\u7684\u4e00\u4e2a\u673a\u5668\u5b66\u4e60\u5de5\u5177\u5305\u3002Milk\u6ce8\u91cd\u63d0\u5347\u8fd0\u884c\u901f\u5ea6\u4e0e\u964d\u4f4e\u5185\u5b58\u5360\u7528\uff0c\u56e0\u6b64\u5927\u90e8\u5206\u5bf9\u6027\u80fd\u654f\u611f\u7684\u4ee3\u7801\u90fd\u662f\u4f7f\u7528C++\u7f16\u5199\u7684\uff0c\u4e3a\u4e86\u4fbf\u5229\u6027\u5728\u6b64\u57fa\u7840\u4e0a\u63d0\u4f9bPython\u63a5\u53e3\u3002\u91cd\u70b9\u63d0\u4f9b\u76d1\u7763\u5206\u7c7b\u65b9\u6cd5\uff0c\u5982SVMs\u3001KNN\u3001\u968f\u673a\u68ee\u6797\u548c\u51b3\u7b56\u6811\u7b49\u3002

Python\u662f\u6700\u597d\u7684\u7f16\u7a0b\u8bed\u8a00\u4e4b\u4e00\uff0c\u5728\u79d1\u5b66\u8ba1\u7b97\u4e2d\u7528\u9014\u5e7f\u6cdb\uff1a\u8ba1\u7b97\u673a\u89c6\u89c9\u3001\u4eba\u5de5\u667a\u80fd\u3001\u6570\u5b66\u3001\u5929\u6587\u7b49\u3002\u5b83\u540c\u6837\u9002\u7528\u4e8e\u673a\u5668\u5b66\u4e60\u4e5f\u662f\u610f\u6599\u4e4b\u4e2d\u7684\u4e8b\u3002
Scikit-Learn
Statsmodels
PyMC
PyMVPA\uff1aPyMVPA\u662f\u53e6\u4e00\u4e2a\u7edf\u8ba1\u5b66\u4e60\u5e93\uff0cAPI\u4e0a\u4e0eScikit-learn\u5f88\u50cf\u3002\u5305\u542b\u4ea4\u53c9\u9a8c\u8bc1\u548c\u8bca\u65ad\u5de5\u5177\uff0c\u4f46\u662f\u6ca1\u6709Scikit-learn\u5168\u9762\u3002
Shogun
Gensim
Orange

Python作为一门理想的集成语言，将各种技术绑定在一起，除了为用户提供更方便的功能之外，还是一个理想的粘合平台，在开发人员与外部库的低层次集成人员之间搭建连接，以便用C、C++实现更高效的算法。
使用Python编程可以快速迁移代码并进行改动，无须花费过多的精力在修改代码与代码规范上。开发者在Python中封装了很多优秀的依赖库，可以直接拿来使用，常见的机器学习库如下：
1、Scikit-Learn
Scikit-Learn基于Numpy和Scipy，是专门为机器学习建造的一个Python模块，提供了大量用于数据挖掘和分析的工具，包括数据预处理、交叉验证、算法与可视化算法等一系列接口。
Scikit-Learn基本功能可分为六个部分：分类、回归、聚类、数据降维、模型选择、数据预处理。其中集成了大量分类、回归、聚类功能，包括支持向量机、逻辑回归、随机森林、朴素贝叶斯等。
2、Orange3
Orange3是一个基于组件的数据挖掘和机器学习软件套装，支持Python进行脚本开发。它包含一系列的数据可视化、检索、预处理和建模技术，具有一个良好的用户界面，同时也可以作为Python的一个模块使用。
用户可通过数据可视化进行数据分析，包含统计分布图、柱状图、散点图，以及更深层次的决策树、分层聚簇、热点图、MDS等，并可使用它自带的各类附加功能组件进行NLP、文本挖掘、构建网络分析等。
3、XGBoost
XGBoost是专注于梯度提升算法的机器学习函数库，因其优良的学习效果及高效的训练速度而获得广泛的关注。XGBoost支持并行处理，比起同样实现了梯度提升算法的Scikit-Learn库，其性能提升10倍以上。XGBoost可以处理回归、分类和排序等多种任务。
4、NuPIC
NuPIC是专注于时间序列的一个机器学习平台，其核心算法为HTM算法，相比于深度学习，其更为接近人类大脑的运行结构。HTM算法的理论依据主要是人脑中处理高级认知功能的新皮质部分的运行原理。NuPIC可用于预测以及异常检测，使用面非常广，仅要求输入时间序列即可。
5、Milk
Milk是Python中的一个机器学习工具包。Milk注重提升运行速度与降低内存占用，因此大部分对性能敏感的代码都是使用C++编写的，为了便利性在此基础上提供Python接口。重点提供监督分类方法，如SVMs、KNN、随机森林和决策树等。

1 Scrapy
2 Beautiful Soup
3 Python-Goose
4 NLTK — Natural Language Toolkit
5TextBlob: Simplified Text Processing
6MBSP for Python
7NumPy

甯哥敤Python鏈哄櫒瀛︿範搴撴湁鍝簺
绛旓細1銆丼cikit-Learn Scikit-Learn鍩轰簬Numpy鍜孲cipy锛屾槸涓撻棬涓烘満鍣ㄥ涔犲缓閫犵殑涓涓狿ython妯″潡锛屾彁渚涗簡澶ч噺鐢ㄤ簬鏁版嵁鎸栨帢鍜屽垎鏋愮殑宸ュ叿锛屽寘鎷暟鎹澶勭悊銆佷氦鍙夐獙璇併佺畻娉曚笌鍙鍖栫畻娉曠瓑涓绯诲垪鎺ュ彛銆係cikit-Learn鍩烘湰鍔熻兘鍙垎涓哄叚涓儴鍒嗭細鍒嗙被銆佸洖褰掋佽仛绫汇佹暟鎹檷缁淬佹ā鍨嬮夋嫨銆佹暟鎹澶勭悊銆傚叾涓泦鎴愪簡澶ч噺鍒嗙被銆佸洖褰掋佽仛...

Python瀛︾敓甯哥敤搴
绛旓細4.Matplotlib 绗竴涓狿ython鍙鍖栧簱锛屾湁璁稿鍒殑绋嬪簭搴撻兘鏄 寤虹珛鍦ㄥ叾鍩虹涓婃垨鑰呯洿鎺ヨ皟鐢ㄨ搴擄紝鍙互寰堟柟渚垮湴寰楀埌鏁版嵁鐨勫ぇ鑷翠俊鎭紝鍔熻兘闈炲父寮哄ぇ锛屼絾涔熼潪甯稿鏉傘5.Seaborn 鍒╃敤浜哅atplotlib锛岀敤绠娲佺殑浠ｇ爜鏉ュ埗浣滃ソ鐪嬬殑鍥捐〃銆備笌Matplotlib鏈澶х殑鍖哄埆涓洪粯璁ょ粯 鍥鹃鏍煎拰鑹插僵鎼厤閮藉叿鏈夌幇浠ｇ編鎰熴6.gg plot 鍩轰簬R...

python鏈哄櫒瀛︿範搴鎬庝箞浣跨敤
绛旓細Pybrain鏄熀浜嶱ython璇█寮哄寲瀛︿範锛屼汉宸ユ櫤鑳斤紝绁炵粡缃戠粶搴撶殑绠绉般 瀹冪殑鐩爣鏄彁渚涚伒娲汇佸鏄撲娇鐢ㄥ苟涓斿己澶х殑鏈哄櫒瀛︿範绠楁硶鍜岃繘琛屽悇绉嶅悇鏍风殑棰勫畾涔夌殑鐜涓祴璇曟潵姣旇緝浣犵殑绠楁硶銆8.Pattern www .github .com/clips/pattern Pattern 鏄疨ython璇█涓嬬殑涓涓綉缁滄寲鎺樻ā鍧椼傚畠涓烘暟鎹寲鎺橈紝鑷劧璇█澶勭悊锛岀綉缁滃垎鏋愬拰鏈哄櫒...

python甯哥敤搴撴湁鍝簺
绛旓細瀹冧滑鏄細锛堟帹鑽愬涔狅細Python瑙嗛鏁欑▼锛Requests.Kenneth Reitz鍐欑殑鏈瀵岀洓鍚嶇殑http搴銆傛瘡涓狿ython绋嬪簭鍛橀兘搴旇鏈夊畠銆係crapy.濡傛灉浣犱粠浜嬬埇铏浉鍏崇殑宸ヤ綔锛岄偅涔堣繖涓簱涔熸槸蹇呬笉鍙皯鐨勩傜敤杩囧畠涔嬪悗浣犲氨涓嶄細鍐嶆兂鐢ㄥ埆鐨勫悓绫诲簱浜嗐倃xPython.Python鐨勪竴涓狦UI锛堝浘褰㈢敤鎴风晫闈級宸ュ叿銆傛垜涓昏鐢ㄥ畠鏇夸唬tkinter銆備綘涓瀹氫細鐖...

python鐨勫簱鏈鍝簺
绛旓細1銆丼cikit-learn锛歋cikit-learn鏄敤浜嶱ython缂栫▼璇█鐨勬満鍣ㄥ涔犲簱锛岄泦鎴愪簡璁稿娴佽鐨勬満鍣ㄥ涔犵畻娉曘傚畠鐨勪紬澶氱畻娉曚娇鍏舵垚涓轰笂鏈哄涔犵殑鐞嗘兂閫夋嫨銆係cikit-learn杩樻彁渚涗簡璁稿鍑芥暟锛岀敤浜庨澶勭悊銆佹ā鍨嬮夋嫨鍜岃瘎浼扮瓑銆2銆乀ensorflow锛歍ensorflow鏄竴涓紑婧愮殑鏈哄櫒瀛︿範搴擄紝鐢ㄤ簬鏋勫缓鍜屽疄鐜版満鍣ㄥ涔犵畻娉曘俆ensorflow鍙互澶勭悊澶ф暟鎹...

鍝竴涓python搴鐢ㄤ簬鏁版嵁鐗瑰緛宸ョ▼
绛旓細褰撴秹鍙婂埌鏁版嵁鐗瑰緛宸ョ▼鏃讹紝Python鏈璁稿搴撳彲渚涢夋嫨銆傚叾涓渶甯哥敤鐨勬槸`scikit-learn`鍜宍pandas`銆 `scikit-learn`鏄竴涓箍娉涗娇鐢ㄧ殑鏈哄櫒瀛︿範搴锛屽畠鎻愪緵浜嗚澶氱敤浜庣壒寰佸伐绋嬪拰鏁版嵁棰勫鐞嗙殑宸ュ叿銆備互涓嬫槸涓浜涘父鐢ㄧ殑`scikit-learn`搴撲腑鐨勭壒寰佸伐绋嬪伐鍏凤細 1. `sklearn.preprocessing`锛氭彁渚涗簡璁稿鐢ㄤ簬鏁版嵁棰勫鐞嗙殑宸ュ叿...

python鏈哄櫒瀛︿範鏂瑰悜鐨勭涓夋柟搴撴槸浠涔
绛旓細Python寮鍙戝伐绋嬪笀蹇呯煡鐨勫崄澶ф満鍣ㄥ涔犲簱锛涓銆丼cikit-Learn 鍦ㄦ満鍣ㄥ涔犲拰鏁版嵁鎸栨帢鐨勫簲鐢ㄤ腑锛孲cikit-Learn鏄竴涓姛鑳藉己澶х殑Python鍖咃紝鎴戜滑鍙互鐢ㄥ畠杩涜鍒嗙被銆佺壒寰侀夋嫨銆佺壒寰佹彁鍙栧拰鑱氶泦銆備簩銆丼tatsmodels Statsmodels鏄彟涓涓仛鐒﹀湪缁熻妯″瀷涓婄殑寮哄ぇ鐨勫簱锛屼富瑕佺敤浜庨娴嬫у拰鎺㈢储鎬у垎鏋愶紝鎷熷悎绾挎фā鍨嬨佽繘琛岀粺璁″垎鏋...

鏈鍙楁杩庣殑 15 澶 Python 搴撴湁鍝簺
绛旓細10銆乀ensorFlow锛氭槸鏁版嵁娴佸浘璁＄畻鐨勫紑婧愬簱锛屾棬鍦ㄦ弧瓒宠胺姝屽璁粌绁炵粡缃戠粶鐨勯珮闇姹傦紝骞朵笖鏄熀浜庣缁忕綉缁滅殑鏈哄櫒瀛︿範绯荤粺DistBelief鐨勭户浠昏咃紝鍙互鍦ㄥぇ鍨嬫暟鎹泦涓婂揩閫熻缁冪缁忕綉缁溿11銆並eras锛氭槸涓涓敤Python缂栧啓鐨勫紑婧愮殑搴擄紝鐢ㄤ簬鍦ㄩ珮灞傜殑鎺ュ彛涓婃瀯寤虹缁忕綉缁溿傚畠绠鍗曟槗鎳傦紝鍏锋湁楂樼骇鍙墿灞曟с12銆丯LTK锛氫富瑕佺敤浜庣鍙...

python鏈鍝簺搴
绛旓細scikit-learn椤圭洰璇炵敓浜2010骞达紝鐩墠宸叉垚涓Python缂栫▼鑰呴閫夌殑鏈哄櫒瀛︿範宸ュ叿鍖呫備粎浠呬竷骞达紝scikit-learn灏辨嫢鏈変簡鍏ㄤ笘鐣1500浣嶄唬鐮佽础鐚呫傚叾涓寘鍚互涓嬪瓙妯″潡锛氣憼鍒嗙被锛歋VM銆佹渶杩戦偦銆侀殢鏈烘．鏋椼侀昏緫鍥炲綊绛 鈶″洖褰掞細Lasso銆佸箔鍥炲綊绛 鈶㈣仛绫伙細K-means銆佽氨鑱氱被绛 鈶ｉ檷缁达細PCA銆佺壒寰侀夋嫨銆佺煩闃靛垎瑙ｇ瓑 鈶ゆā鍨嬮夋嫨...

鏂鍩(涓涓己澶х殑寮婧鏈哄櫒瀛︿範搴)
绛旓細棣栧厛锛屾垜浠渶瑕佸畨瑁呭苟閰嶇疆鏂鍩恒傛柉濉斿熀鏄竴涓熀浜Python璇█鐨鏈哄櫒瀛︿範搴锛屽洜姝ゆ垜浠渶瑕佸厛瀹夎Python鐜銆傚彲浠ラ氳繃瀹樼綉涓嬭浇瀹夎Python锛屼篃鍙互浣跨敤Anaconda绛塒ython闆嗘垚鐜鏉ュ畨瑁呫傚畨瑁呭畬鎴怭ython鐜鍚庯紝鎴戜滑鍙互浣跨敤pip鏉ュ畨瑁呮柉濉斿熀銆傚湪鍛戒护琛屼腑杈撳叆浠ヤ笅鍛戒护鍗冲彲瀹屾垚瀹夎锛歚``pipinstall-Uscikit-learn ```鏁版嵁...