Python是最好的編程語言之一，在科學(xué)計(jì)算中用途廣泛。當(dāng)然，它也有些缺點(diǎn)，其中一個(gè)是工具和庫過于分散。如果你是擁有unix思維的人，你會(huì)覺得每個(gè)工具只做一件事并且把它做好是非常方便的。但是你也需要知道不同庫和工具的優(yōu)缺點(diǎn)，這樣在構(gòu)建系統(tǒng)時(shí)才能做出合理的決策。工具本身不能改善系統(tǒng)或產(chǎn)品，但是使用正確的工具，我們可以工作得更高效，生產(chǎn)率更高。因此了解正確的工具，對你的工作領(lǐng)域是非常重要的。這篇文章的目的就是列舉并描述Python可用的最有用的機(jī)器學(xué)習(xí)工具和庫。這個(gè)列表中，我們不要求這些庫是用Python寫的，只要有Python接口就夠了。

Scikit-Learn

Scikit Learn是在CB Insights選用的機(jī)器學(xué)習(xí)工具。可以用它進(jìn)行分類、特征選擇、特征提取和聚集。小編最愛的一點(diǎn)是它擁有易用的一致性API，并提供了很多開箱可用的求值、診斷和交叉驗(yàn)證方法。錦上添花的是它底層使用Scipy數(shù)據(jù)結(jié)構(gòu)，與Python中其余使用Scipy、Numpy、Pandas和Matplotlib進(jìn)行科學(xué)計(jì)算的部分適應(yīng)地很好。因此，如果你想可視化分類器的性能，比如，使用精確率與反饋率圖表或接收者操作特征曲線，Matplotlib可以幫助進(jìn)行快速可視化。考慮到花在清理和構(gòu)造數(shù)據(jù)的時(shí)間，使用這個(gè)庫會(huì)非常方便，因?yàn)樗梢跃o密集成到其他科學(xué)計(jì)算包上。另外，它還包含有限的自然語言處理特征提取能力以及詞袋、tfidf算法、預(yù)處理。此外，如果你想快速對小數(shù)據(jù)集進(jìn)行不同基準(zhǔn)測試的話，它自帶的數(shù)據(jù)集模塊提供了常見和有用的數(shù)據(jù)集。你還可以根據(jù)這些數(shù)據(jù)集創(chuàng)建自己的小數(shù)據(jù)集，這樣在將模型應(yīng)用到真實(shí)世界中之前，你可以按照自己的目的來檢驗(yàn)?zāi)Ｐ褪欠穹掀谕?shù)最優(yōu)化和參數(shù)調(diào)整，它也提供了網(wǎng)格搜索和隨機(jī)搜索。

Statsmodels

Statsmodels是另一個(gè)聚焦在統(tǒng)計(jì)模型上的強(qiáng)大的庫，主要用于預(yù)測性和探索性分析。如果你想擬合線性模型、進(jìn)行統(tǒng)計(jì)分析或者預(yù)測性建模，那么Statsmodels非常適合。它提供的統(tǒng)計(jì)測試相當(dāng)全面，覆蓋了大部分情況的驗(yàn)證任務(wù)。如果你是R或者S的用戶，它也提供了某些統(tǒng)計(jì)模型的R語法。它的模型同時(shí)也接受Numpy數(shù)組和Pandas數(shù)據(jù)幀，讓中間數(shù)據(jù)結(jié)構(gòu)成為過去!

PyMC

PyMC是做貝葉斯曲線的工具。它包含貝葉斯模型、統(tǒng)計(jì)分布和模型收斂的診斷工具，也包含一些層次模型。如果想進(jìn)行貝葉斯分析，你應(yīng)該看看。

Shogun

Shogun是個(gè)聚焦在支持向量機(jī)上的機(jī)器學(xué)習(xí)工具箱，用C++編寫。它正處于積極開發(fā)和維護(hù)中，提供了Python接口，也是文檔化最好的接口。但是，相對于Scikit-learn，我們發(fā)現(xiàn)它的API比較難用。而且，也沒提供很多開箱可用的診斷和求值算法。但是，速度是個(gè)很大的優(yōu)勢。

Gensim

Gensim被定義為“人們的主題建模工具(topic modeling for humans)”。它的主頁上描述，其焦點(diǎn)是狄利克雷劃分及變體。不同于其他包，它支持自然語言處理，能將NLP和其他機(jī)器學(xué)習(xí)算法更容易組合在一起。如果你的領(lǐng)域在NLP，并想進(jìn)行聚集和基本的分類，你可以看看。目前，它們引入了Google的基于遞歸神經(jīng)網(wǎng)絡(luò)的文本表示法word2vec。這個(gè)庫只使用Python編寫。

Orange

Orange是這篇文章列舉的所有庫中唯一帶有圖形用戶界面的。對分類、聚集和特征選擇方法而言，它是相當(dāng)全面的，還有些交叉驗(yàn)證的方法。在某些方面比Scikit-learn還要好，但與其他科學(xué)計(jì)算系統(tǒng)的適配上比不上Scikit-learn。但是，包含GUI是個(gè)很重要的優(yōu)勢。你可以可視化交叉驗(yàn)證的結(jié)果、模型和特征選擇方法，某些功能需要安裝Graphviz。對大多數(shù)算法，Orange都有自己的數(shù)據(jù)結(jié)構(gòu)，所以你需要將數(shù)據(jù)包裝成Orange兼容的數(shù)據(jù)結(jié)構(gòu)，這使得其學(xué)習(xí)曲線更陡。

PyMVPA

PyMVPA是另一個(gè)統(tǒng)計(jì)學(xué)習(xí)庫，API上與Scikit-learn很像。包含交叉驗(yàn)證和診斷工具，但是沒有Scikit-learn全面。

如果我們遺漏了你最愛的Python機(jī)器學(xué)習(xí)包，歡迎你訪問騰科官網(wǎng)（http://www.togogo.net）分享給我們知道。我們很樂意將其添加到文章中。