数据空间
您当前的位置: 首页 /数据知识

用 Python 做机器学习不得不收藏的重要库

发布时间:[2019-01-18] 来源:网络大数据
点击量:

中国企业数据治理联盟www.chinaedg.com/

进入》主数据管理    企业数据治理   信息资源规划   数据安全管理

18.jpg

Python通常被应用统计技术或者数据分析人员当做工作中的首选语言。据科学家也会用python作为连接自身工作与WEB 应用程序/生产环境集成中。

Python在机器学习领域非常出色。它具有一致的语法、更短的开发时间和灵活性,非常适合开发能够直接插入生产系统的复杂模型和预测引擎。

Python的一个最大的资产是其广泛的库。

库是一组用给定语言编写的程序和功能的集合。一组健壮的库可以使开发人员更容易执行复杂的任务,而无需重写许多代码。

机器学习很大程度上是基于数学。具体来说就是数学优化、统计和概率。Python库帮助那些不具备开发人员知识的研究人员/数学家轻松地“进行机器学习”。

以下是机器学习中最常用的一些库:

Scikit-learn 经典的ML算法

19.jpg

Scikit-learn 是最流行的ML 库之一,他支持很多监督学习和非监督学习算法。例如:线性回归,逻辑回归,决策树,聚类 ,k-means等。

他基于两个python库:Numpy Scipy 。 他为常见的机器学习和数据挖掘提供了一组算法:聚类,回归和分类。甚至像数据转换,特征选择,集成学习这样的任务也可与通过简短几行代码实现。

对于机器学习的新手来说,Scikit-learn 是一个够用的工具,直到你自己开始实现更复杂的算法。

Tensorflow for Deep Learning 深度学习

20.jpg

如果你在机器学习的世界里,你可能听过,尝试过或者实现过某种形式的深度学习的算法。但是他们是必要的吗?回答可能是不必要。但是完成他们后感觉很酷对吗? 回答是:对的!酷毙了。

Tensorflow 有趣的地方在于,当你使用python 编写代码,你可以编译和运行在你的CPU 或者GPU 上,而且你不需要写 c++或者 CUDA 的代码,就可以运行在GPUs 集群上。

他使用一个多层节点的系统,允许你快速的简历,训练,部署具有大量数据集的人工神经网络。这让谷歌能够识别照片中的物体,通过语音识别程序理解在口语中的单词。

Theano is also for Deep Learning

21.jpg

Theano 是另一个用于数值计算的优秀类库,有点类似于NumpyTheano 允许你高效的定义,优化和评估涉及多维数组的数学表达式。

使Theano 与众不同的是它利用了计算机的GPU。这使得它能够比单独在CPU上运行时快100倍进行数据密集型计算。Theano的速度使得它对于深度学习和其他复杂的计算任务特别有价值。

Theano 库的最终发布是在去年——2017年,版本1.0.0包含了许多新特性、界面更改和改进。

Pandas 数据提取与预处理

panda是一个非常流行的库,它提供了简单易用且直观的高级数据结构。

它有许多内建的方法来分组、组合数据和过滤以及执行时间序列分析。

panda可以轻松地从SQL数据库、CSVExcelJSON文件等不同来源获取数据,并对数据进行操作。图书馆有两个主要结构:

Series“级数”---- 一维 。

22.jpg

Data Frames“数据帧”---- 二维。

23.jpg

如果想得知关于如何使用序列和数据看框架的更多细节,请查看的我的其他文章。

Matplotlib用于数据可视化

24.jpg

如果你不能很好的与其他人交流,那么最好的,最复杂的机器学习就显得没有意义。

那么如何从这些数据中转换出价值呢?你如何激励你的业务分析师,告诉他们充满“洞察力”的“故事”?

这就是Matplotlib发挥作用的地方。它是每个数据科学家用于创建2D图形和图形的标准Python库。它是命令行简单,这意味着它需要更多的命令来生成好看的图形和数字,而不是使用一些高级库。

然而,这也带来了灵活性。有了足够的命令,您可以使用Matplotlib制作任何您想要的图形。您可以构建不同的图表,从直方图和散点图到非笛卡尔坐标图。

它支持所有操作系统上的不同GUI后端,还可以将图形导出到通用矢量和图形格式,如PDFSVGJPGPNGBMPGIF等。

Seaborn是另一个数据可视化库

25.jpg

Seaborn是一个流行的可视化库,它建立在Matplotlib的基础之上。它是一个高级库,这意味着更容易生成某些类型的图,包括热图、时间序列和小提琴图。

最后

这是机器学习中最重要的Python库的集合。如果您打算使用Python和数据科学,那么这些库是值得一看的,同时也值得您熟悉。

我是否错过了任何重要的Python ML?如果是,请务必在下面的评论中提到它。尽管我试图介绍最有用的库,但可能仍然没有介绍其他一些值得研究的库。

原标题 :Essential libraries for Machine Learning in Python

作者:Shubhi Asthana 翻译: 就2

原文链接:https://medium.freecodecamp.org/essential-libraries-for-machine-learning-in-python-82a9ada57aeb

 

编辑:hely    来源:网络大数据


发表评论 共有条评论
用户名: 密码:
匿名发表