當下是人工智能爆發(fā)的時代，AI和機器學習廣泛流行，當然機器學習領域最火要數(shù)Python語言。Python 由于其簡便，對用戶友好且易于管理的語言，擁有廣泛的社區(qū)支持，在機器學習領域更是如此，很多框架都是用Python編寫或者提供了Python SDK。為了便于大家學習和使用，我們列舉一下2021年最流行的Python機器學習類庫。

[[417950]]

TensorFlow

• 網(wǎng)站：tensorflow.org
• 源碼倉庫：Github/tensorflow/tensorflow
• 開發(fā)者：谷歌大腦團隊
• 主要用途：深度神經(jīng)網(wǎng)絡

TensorFlow 是由谷歌大腦(Google Brain)團隊開發(fā)的一個AI框架，主要用于深度學習和神經(jīng)網(wǎng)絡。使用TF可以很輕松將計算任務分配到多個CPU或GPU核心，甚至可分配到多GPU。TensorFlow基本計算單元為張量(Tensors)。張量可以定義為一個容器，可存儲N維數(shù)據(jù)及其線性操作。

pandas

• 網(wǎng)站： pandas.pydata.org
• 源碼倉庫: github/pandas-dev/pandas
• 開發(fā)者：開源社區(qū)
• 主要用途：數(shù)據(jù)分析和操作

Pandas庫，主要用于數(shù)值數(shù)據(jù)和時間序列的數(shù)據(jù)操作。它使用數(shù)據(jù)框和系列分別定義三維和二維數(shù)據(jù)。Pandas提供了索引大數(shù)據(jù)以便在大數(shù)據(jù)集中快速搜索的選項。它以數(shù)據(jù)重塑、圍繞用戶定義的軸旋轉(zhuǎn)、處理缺失數(shù)據(jù)、合并和連接數(shù)據(jù)集以及數(shù)據(jù)過濾選項的功能而聞名。

Pandas對于大型數(shù)據(jù)集非常有用且速度非常快。當記錄超過50k時，其性能超Numpy。在數(shù)據(jù)清理方面，它是最好的庫，因為它提供了像exce一樣的交互性和像Numpy一樣的速度。它也是為數(shù)不多的可以處理DateTime的ML庫之一，無需任何外部庫的任何幫助，而且代碼最少。

Numpy

• 網(wǎng)站：numpy.org
• 源碼倉庫：github/numpy/numpy
• 開發(fā)者：開源社區(qū)
• 主要用途：通用矩陣處理

Numpy用于處理多維數(shù)據(jù)和復雜的數(shù)學函數(shù)。Numpy是Python語言的快速計算庫，可以處理從基本代數(shù)到傅立葉變換、隨機模擬和拓撲操作的任務和函數(shù)。這個庫內(nèi)核是用C語言編寫的，比一般Python計算庫性能更好。如果記錄數(shù)不是很大，在Numpy數(shù)組在索引方面要明顯優(yōu)于Pandas系列。另外，目前NumPy數(shù)組只支持單CPU中，所以性能會有限制。

Numpy的學習成本較低(可以參考蟲蟲之前的文章)，易于上手，并是最流行的機器學習庫之一。

自然語言工具包(NLTK)

• 網(wǎng)站： nltk.org
• 源碼倉庫: github/nltk/nltk
• 開發(fā)者：NLTK團隊
• 主要用途：自然語言處理

是廣泛使用的文本分類和自然語言處理庫。可以用于詞干提取、詞形還原、標記和在文檔中搜索關鍵字。NLTK可用于高級語言分析，比如情感、評論分析、文本分類器、檢查評論中的關鍵詞、文本挖掘和許多其他與人類語言相關的操作。NLTK需要文本處理來訓練的模型來識別和創(chuàng)建。

Scikit-Learn

• 網(wǎng)站：scikit-learn.org
• 源碼倉庫: github/scikit-learn/scikit-learn
• 開發(fā)者：SkLearn.org
• 主要用途：預測數(shù)據(jù)分析和數(shù)據(jù)建模

Scikit-learn主要用于各種數(shù)據(jù)建模概念，如回歸、分類、聚類、模型選擇等。 該庫是在Numpy、Scipy和matplotlib之上編寫的。Scikit-learn易于集成，可以繼承其他機器學習庫實現(xiàn)特定目標。比如Numpy和Pandas用于數(shù)據(jù)分析，Plotly用于可視化。

Keras

• 網(wǎng)站： keras.io
• 源碼倉庫：github/keras-team/keras
• 開發(fā)者：各種開發(fā)者
• 主要用途：神經(jīng)網(wǎng)絡計算

Keras提供了一個Python接口的 Tensorflow庫，特別專注于AI神經(jīng)網(wǎng)絡。早期版本還包括許多其他后端，如Theano、Microsoft認知平臺和PlaidMl。Keras 包含常用神經(jīng)網(wǎng)絡的標準塊，以及使圖像和文本處理更快更流暢的工具。除了標準的神經(jīng)網(wǎng)絡塊外，它還提供重復出現(xiàn)的神經(jīng)網(wǎng)絡。

PyTorch

• 網(wǎng)站：pytorch.org
• 源碼倉庫：github/pytorch/pytorch
• 開發(fā)者：臉譜AI實驗室(FAIR)
• 主要用途：深度學習、自然語言處理和計算機視覺

Pytorch 是由臉書開發(fā)的ML庫，基于Lua語言實現(xiàn)的Torch機器學習庫。該項目是用Python、C++ 和CUDA語言混合編寫的。PyTorch 支持在C和C++ 以及Pyton等常見語言的擴展。作TF競爭對手，他也使用張量，但它更容易學習并且與Python具有更好集成性。雖然它支持NLP，但該庫的主要重點是開發(fā)和訓練深度學習模型。

mlpack

• 源碼倉庫：github/mlpack/mlpack
• 開發(fā)者：社區(qū)，佐治亞理工學院支持
• 主要用途：多個ML模型和算法

MlPack 主要是基于C++的機器學習庫，支持它Python，R，Julia和 Golang等語言。它旨在支持幾乎所有著名的機器學習算法和模型，如 GMM、K均值、最小角度回歸、線性回歸等。開發(fā)該庫的主要重點是使其成為快速、可擴展且易于理解的以及易于使用的庫，即使是編程小白也可以毫無問題地理解和使用它。

OpenCV

• 網(wǎng)站：opencv.org
• 源碼倉庫：github/opencv/opencv
• 開發(fā)者：由英特爾公司發(fā)起
• 主要用途：計算機視覺

OpenCV 是一個致力于計算機視覺和圖像處理的開源平臺。 該庫擁有2500多種專用于計算機視覺和機器學習的算法。它可以跟蹤人體運動、檢測移動物體、提取3D模型、將圖像拼接在一起以創(chuàng)建高分辨率圖像，探索AR的可能性。OpenCV被廣泛用于各種閉路電視監(jiān)控，各大相機廠商也都在使用OpenCV使其產(chǎn)品更智能和用戶友好。

Matplotlib

• 網(wǎng)站：matplotlib.org/
• 源碼倉庫：github/matplotlib/matplotlib
• 開發(fā)者：Micheal Droettboom，社區(qū)
• 主要目的：數(shù)據(jù)可視化

Matplotlib是Pthon中使用最廣泛的圖形的庫。它使用Python GUI工具包來生成圖形和繪圖。Matplotlib還提供了一個類似MATLAB的界面，以便用戶可以執(zhí)行與MATLAB 類似的任務。這個庫是免費和開源的，并且有許多擴展接口，可以將matplotlib API擴展到各種其他庫。

總結

在本文中，我們介紹了機器學習中最常用的Python庫。每個庫(框架)都有自己的優(yōu)點和缺點，可以嘗試使用，并在實踐中選擇最適合的庫。