皇家彩世界下载:2019年你不可不知的十大Python库,可实现机器学习

作者: AI前线小组 译 2019-07-30 08:02:57
本文来源:http://www.133845.com/mil_news_sina_com_cn/

申博官网下载直营网,熊小姐可以要求与4S店签订补充协议,要求对方在限定时间内交车,否则她可以解除定金合同,要求退款。不仅如此,酷派还坚定地打造自己的生态圈,这也是2015年酷派中国区的核心战略。日前,国家发改委与教育部、体育总局多个部委联合印发了《冰雪运动发展规划(2016—2025年)》和《全国冰雪场地设施建设规划(2016—2022年)》。如果中国人发明的火药有知识产权保护,其所产生的知识产权价值不可估量,屠呦呦的研究成果如果当时就申请了国际专利,就不会由瑞士人拥有这种药的知识产权,屠呦呦所获得的价值就不会是区区几百万的诺贝尔奖金,而是数以十亿、百亿计的知识产权价值。

义务教育作为国家强制实施的教育,体现国家意志,应当充分体现教育的公平性和公益性,在该领域限制举办营利性民办学校是必要的。12月10日,乐玩2C于中国电信官网、京东商城、TCL官方商城开启预约;12月18日首发开卖;12月下旬全国各电信营业厅全面开售。型号之前报价(元)现价(元)升跌(元)备注--4999----采集日期:2016年12月06日 更多行情价格变动请点击  技嘉GeForceGTX1080G1GAMING传承了G1GAMING系列的优秀设计:特挑技术超频核芯,专利风之力3X散热设计并且带来了RGB灯光,当然还有G1GAMING系列超强的超频能力。他说:在香港当局解释扣押新加坡武装部队装甲车的理由和法律依据后,(外交部)和新加坡政府将启动程序,追回我们的资产。

6,开眼视点:联通移动电信不该被骂!专家:民众太贪婪!仅就通过文书进行包装的问题,首先,她认为,要界定清‘包装’的标准,即,什么的样的行为是‘包装’,就像“剽窃”也有具体的比例标准去判定。  但这种不让读“闲书”的做法不对,可能会适得反,不让读闲书,读书成了非常功利的行为,老是围绕考试需要读那点课文,顶多还有一些教辅,限制那么死,怎么可能有阅读兴趣,怎么可能拓展阅读面,又怎么可能提高语文素养?即使对考试而言,这也是下策。2016-12-0817:52美容医院院长在微信叫卖引热议称托人制作是供自己学习多出一个才问同行有无需要律师称如地方法规空白便难制裁 马医生:我想买一个遗体头颅标本学习解剖,找了北京解剖协会的一位老师帮着做。

在本文中,我们将讨论 Python 中的一些优选库,开发人员可以使用这些库来解析、清理和表示数据,并在现有应用中实现机器学习。

我们将会介绍以下 10 个库: 

  • TensorFlow

  • Scikit-Learn

  • NumPy

  • Keras

  • PyTorch

  • LightGBM

  • Eli5

  • SciPy

  • Theano

  • Pandas

Python 是目前流行,使用广泛的编程语言之一,已经取代了业界许多编程语言。Python 在开发人员中受欢迎的原因有很多,其中最重要的一个原因就是 Python 有大量可供用户使用的库。Python 的简单性吸引了许多开发人员为机器学习创建新的库。由于有大量的库,Python 在机器学习专家中非常流行。

因此,我即将介绍的第一个库是 TensorFlow。

TensorFlow

2019 年你不可不知的十大 Python 库

TensorFlow 是什么? 

如果你目前正在使用 Python 进行机器学习项目,那么你可能已经听说过这个流行的开源库,即 TensorFlow。该库是 Google 与 Brain Team 合作开发的。Google 的每一个机器学习应用几乎都有 TensorFlow 的影子。

TensorFlow 的工作方式类似于一个计算库,用于编写设计大量张量运算的新算法。由于神经网络可以很容易地表示为计算图,因此它们可以用 TensorFlow 作为对张量(Tensor)的一些列操作来实现。此外,张量是表述数据的 N 维矩阵。

TensorFlow 的特点

TensorFlow 针对速度进行了优化,并利用 XLA 等技术实现快速线性代数运算。 

  1. 响应式构造:使用 TensorFlow,我们可以轻松地将计算图的每一部分进行可视化,在使用 NumPy 或 SciKit 时并没有这个选项。
  2. 灵活性:TensorFlow 的一个非常重要的特性是,它的操作非常灵活。这意味着它实现了模块化,对于你想要使其独立的部分,它可以提供这一选项。
  3. 易于训练:对于分布式计算,它可以很容易地在 CPU 上进行训练,也可以在 GPU 上进行训练。
  4. 并行化神经网络训练:TensorFlow 提供了管道。从某种意义上说,你可以训练多个神经网络和多个 GPU,这使得模型在大型系统上非常高效。
  5. 大型社区:毋庸讳言,因为 TensorFlow 是由 Google 开发的,所以有一大群软件工程师在不断改进 TensorFlow 的稳定性。
  6. 开源:这个机器学习库最好的地方在于它是开源的,所以只要有互联网,任何人都可以使用它。

TensorFlow 在哪里使用?

实际上你每天都在使用 TensorFlow,但像 Google 语音搜索或 Google 相册这样的应用却是间接的。这些应用是使用这个库进行开发的。

在 TensorFlow 中创建的所有库都是用 C 和 C++ 编写的。不过,它还有一个复杂的 Python 前端。你的 Python 代码将会被编译,然后在使用 C 和 C++ 构建的 TensorFlow 分布式执行引擎上执行。

TensorFlow 的应用数量实际上是无限的,这就是 TensorFlow 的美妙之处。

Scikit-Learn

2019 年你不可不知的十大 Python 库

Scikit-Learn 是什么?

Scikit-Learn 是一个与 NumPy 和 SciPy 相关的 Python 库。它被认为是处理复杂数据的优选库之一。这个库正在进行大量更改。其中一个更改是交叉验证功能,提供了使用多个度量的能力。许多训练方法,如逻辑回归和最近邻方法,都得到了一些改进。

Scikit-Learn 的特点

  1. 交叉验证:有多种方法可以检验监督模型对不可见数据的准确性。
  2. 无监督学习算法:Scikit-Learn 提供了大量的算法,从聚类、因子分析和主成分分析到无监督神经网络。
  3. 特征提取:用于从图像和文本中提取特征(例如词袋)。

Scikit-Learn 在哪里使用?

它包含许多用于实现标准机器学习和数据挖掘任务的算法,如降维、分类、回归、聚类和模型选择。

NumPy

2019 年你不可不知的十大 Python 库

NumPy 是什么?

NumPy 被认为是 Python 中受欢迎的机器学习库之一。

TensorFlow 和其他库在内部使用 NumPy 在张量上执行多个操作。数组接口是 NumPy 最好也是最重要的特性。

NumPy 的特点

  1. 交互性:NumPy 交互性强,易于使用。
  2. 数学:使复杂的数学实现变得非常简单。
  3. 直观性:使编码和概念的掌握变得非常容易。
  4. 大量的交互:得益于广泛的使用,因此有大量的开源贡献。

NumPy 在哪里使用?

NumPy 的接口可用于将图像、声波和其他二进制原始流表达为 N 维数组。为实现这个用于机器学习的库,了解 NumPy 对于全栈开发人员来说很重要。

Keras

2019 年你不可不知的十大 Python 库

Keras 是什么?

Keras 被认为是 Python 中最酷的机器学习库之一。它提供了一种更简单的机制来表达神经网络。Keras 还为编译模型、处理数据集、图形可视化等提供了一些最佳实用程序。

在后端,Keras 在内部使用 Theano 或 TensorFlow,也可以使用一些最流行的神经网络,如 CNTK。与其他机器学习库比较,Keras 的速度相对较慢。因为它是通过使用后端架构创建计算图,然后利用它来执行操作的。不过,Keras 的所有模型都是可移植的。

Keras 的特点

  1. 1.Keras 在 CPU 和 GPU 上都能顺利运行。
  2. 2.Keras 支持几乎所有的神经网络模型,包括完全连接的、卷积的、池化的、递归的、嵌入的等等。此外,这些模型还可以组合起来构建更为复杂的模型。
  3. 3.Keras 在本质上是模块化的,具有难以置信的表现力、灵活性,并易于创新研究。
  4. 4.Keras 是一个完全基于 Python 的框架,可以方便地进行调试和探索。

Keras 在哪里使用?

你已经在不断地与 Keras 开发的功能进行交互:它在 Netflix、Uber、Yelp、Instacart、Zocdoc、Square 等其他许多公司都有应用。Keras 在那些将深度学习作为产品核心的初创公司中特别受欢迎,同时也是深度学习研究人员的最爱。大型科学组织,特别是 CERN(欧洲核子研究中心)和 NASA(美国国家航空航天局)的研究人员也采用了 Keras。

Keras 包含许多常用的神经网络构建块的实现,例如层、目标、激活函数、优化器和一系列工具,使图像和文本数据的处理变得更加容易。

此外,Keras 还提供了许多预处理的数据集和预训练模型,如 MNIST、VGG、Inception、SqueezeNet、ResNet 等等。

PyTorch

2019 年你不可不知的十大 Python 库

PyTorch 是什么?

PyTorch 是最大的机器学习库,它允许开发人员利用 GPU 的加速执行张量计算,创建动态计算图,并自动计算梯度。除此之外,PyTorch 还提供了丰富的 API,用于解决与神经网络相关的应用问题。

这个机器学习库是基于 Torch 的,Torch 是一个用 C 语言实现的开源机器学习库,在 Lua 中有个包装器。这个用 Python 编写的机器学习库是 2017 年推出的,自推出以来,吸引了越来越多的机器学习开发人员。

PyTorch 的特点

  1. 混合前端:新的混合前端在 Eager 模式(动态图模式)下提供了易用性和灵活性,同时在 C++ 运行时环境中无缝过渡到图形模式,以实现速度、优化和功能。
  2. 分布式训练:通过利用 Python 和 C++ 提供的异步执行集合操作和对等通信的本地支持,优化研究和生产中的性能。
  3. Python 优先:PyTorch 并非绑定到单一 C++ 框架中的 Python。它是为了深     入集成到 Python 中而构建的,因此它可以与流行的库和包(如 Cython 和         Numba 等)一起使用。   
  4. 库和工具:一个由研究人员和开发人员组成的活跃社区,建立了一个丰富的工具和库生态系统,用于扩展 PyTorch ,并支持从计算机视觉到强化学习等领域的开发。

PyTorch 在哪里使用?

PyTorch 主要用于自然语言处理等应用。PyTorch 主要是由 Facebook 的人工智能研究小组开发的。Uber 的概率编程“Pyro”软件就是建立在这个基础上的。PyTorch 在很多方面都超过了 TensorFlow,最近得到了很多关注。

LightGBM

2019 年你不可不知的十大 Python 库

LightGBM 是什么

梯度提升(Gradient Boosting)是最好的、最流行的机器学习库之一,它通过使用重新定义的基本模型和决策树来帮助开发人员构建新的算法。因此,有一些专门的库是为快速有效地实现这种方法而设计的。

这些库分别是 LightGBM、XGBoost 和 CatBoost。所有这些库都是帮助解决常见问题的竞争对手,可以以几乎相似的方式加以利用。

LightGBM 的特点

  1. 计算速度快,生产效率高。
  2. 直观,易于使用。
  3. 比许多其他深度学习库有更快的训练。
  4. 在考虑 NaN 值和其他规范值时不会产生错误。

LightGBM 在哪里使用?

这个库提供了高度可扩展、优化和快速的梯度提升实现,这使得它在机器学习开发人员中备受欢迎。因为大多数机器学习全栈开发人员是通过使用这些算法在机器学习竞赛中获胜的。

Eli5

2019 年你不可不知的十大 Python 库

Eli5 是什么?

大多数情况下,机器学习模型的预测结果并不准确,而内置 Python 的 Eli5 机器学习库有助于克服这一挑战。它结合了可视化和调试所有的机器学习模型,并跟踪算法的所有工作步骤。

Eli5 的特点

Eli5 支持 XGBoost、lighting、scikit-learn 和 sklearn-crfsuite 库。上面提到的所有库都可以用于执行不同的任务。

Eli5 在哪里使用?

  • 需要在短时间内进行大量计算的数学应用
  • 在与其他 Python 包存在依赖关系的情况下,Eli5 扮演着至关重要的角色。
  • 遗留应用和在各个领域实施较新的方法

SciPy

2019 年你不可不知的十大 Python 库

SciPy 是什么?

SciPy 是一个面向应用程序开发人员和工程师的机器学习库。你需要了解 SciPy 库和 SciPy 栈之间的区别。SciPy 库包含用于优化、线性代数、积分和统计的模块。

SciPy 的特点

SciPy 库的主要特点是使用 NumPy 开发,其数组最大限度地利用了 NumPy。此外,SciPy 使用其特定子模块提供了所有高效的数值例程,比如优化、数值积分和许多其他例程。

所有 SciPy 子模块中的所有函数都有良好的文档说明。

SciPy 在哪里使用?

SciPy 是一个使用 NumPy 求解数学函数的库。SciPy 使用 NumPy 数组作为基本数据结构,并附带用于科学编程中各种常用任务的模块,包括线性代数、积分(微积分)、常微分方程求解和信号处理等任务,都可以通过 SciPy 轻松处理。

Theano

2019 年你不可不知的十大 Python 库

Theano 是什么?

Theano 是 Python 中用于计算多维数组的计算框架机器学习库。Theano 的工作方式与 TensorFlow 类似,但效率不如 TensorFlow。因为它不能适应生产环境。

此外,还可以在与 TensorFlow 类似的分布式或并行环境中使用 Theano。

Theano 的特点

  1. 与 NumPy 紧密集成:能够在 Theano 编译的函数中完全使用 NumPy 数组。
  2. GPU 的透明使用:执行数据密集型计算要比 CPU 上快得多。   
  3. 高效的符号微分:Theano 为具有一个或多个输入的函数求导。
  4. 速度和稳定性的优化:即使 x 非常小,也能获得 log(1+x) 的正确答案。这只是证明 Theano 稳定性的一个例子。
  5. 动态 C 代码生成:计算表达式的速度比以往都快,从而极大提高效率。
  6. 广泛的单元测试和自我验证:检测和诊断模型中的多种类型的错误和歧义。

Theano 在哪里使用?

Theano 表达式的实际语法是符号化的,这可能会让习惯正常软件开发的初学者感到不适。具体来说,表达式是以抽象的方式进行定义、编译的,然后实际用于计算。

Theano 是专门为用于深度学习的大型神经网络算法的计算类型而设计的。它是最早的类库之一(2007 年开始开发),被认为是深度学习研究和开发的行业标准。Theano 目前被用于多个神经网络项目,随着时间的推移,Theano 的普及率也在不断提高。

Pandas

2019 年你不可不知的十大 Python 库

Pandas 是什么?

Pandas 是 Python 中的一个机器学习库,它提供高级的数据结构和各种各样的分析工具。这个库最大的特性之一是能够使用一个或两个命令转换复杂的数据操作。Pandas 有很多内置的分组、组合数据、过滤以及时间序列功能的方法。所有这些方法都有出色的速度指示器。

Pandas 的特点

Pandas 使操作数据的过程变得更容易。对重新索引、迭代、排序、聚合、连接和可视化等操作的支持是 Pandas 的亮点之一。

Pandas 在哪里使用?

目前,Pandas 库的发行版本较少,其中包括数百个新功能、bug 修复、增强和 API 中的更改。Pandas 的改进在于它能够对数据进行分组和排序,为应用方法选择最适合的输出,并为执行自定义类型操作提供支持。

在其他事项中,当涉及到使用 Pandas 时,数据分析是一大亮点。但是,当与其他库和工具一起使用时,Pandas 确保了高度的功能性和良好的灵活性。

Python 编程语言 代码
上一篇:聊天机器人 vs 移动应用:未来属于谁? 下一篇:人工智能时代之后的生活

更多资讯推荐

GitHub上Star最高的5个机器学习项目,最后一个可惜了!

机器学习正在高速发展当中,想要找到实用、先进的机器学习项目,首选就是GitHub,GitHub的Stars是评判一个项目受欢迎程度的标准之一。

·? 2019-08-06 13:29:48
PyTorch的4分钟教程,手把手教你完成线性回归

本文旨在介绍PyTorch基础部分,帮助新手在4分钟内实现python PyTorch代码的初步编写。

大数据文摘 ·? 2019-07-28 20:24:30
60行代码徒手实现深度神经网络

针对当前数据数据集,选择ReLu激活函数,采用双隐藏层,每个隐藏层节点数设置为3是一个不错的选择,AUC得分为0.99979。

佚名 ·? 2019-07-25 08:20:37
申博官网下载直营网还在用Github管理机器学习项目?你早该了解这些更专业的新工具!

机器学习,不过是和数据和软件打交道。那就应该是是运行代码、迭代算法的简单问题呀?一段时间后,我们就能拥有一个完美的训练有素的ML模型。

大数据文摘 ·? 2019-07-01 15:19:14
申博官网下载直营网5种人工智能编程语言!Java依然屹立不倒!

人工智能是工程学的一个分支,其基本目的是使计算机能够以与智能人类相似的方式智能思考。以下是最常用于制作AI项目的顶级语言。

引力空间站 ·? 2019-05-16 14:15:33
使用Python进行社交媒体情感分析入门

本文研究了 NLP 的一个特定领域:情感分析。重点是确定输入语言的积极、消极或中性性质。本部分将解释 NLP 和情感分析的背景,并探讨两个开源的 Python 包。

Michael Mccune ·? 2019-05-14 10:37:26
GitHub万星的中文机器学习资源:路线图、视频、学习建议全在这

再也不用在学机器学习之前先恶补英语了,这儿有一套超热门的优质中文资源可以选择。这套名叫AI Learning的GitHub资源,汇集了30多名贡献者的集体智慧,把学习机器学习的路线图、视频、电子书、学习建议等中文资料全部都整理好了。

铜灵 ·? 2019-04-22 09:52:34
五大人工智能流行编程语言对比,只要学会一种绝对不亏!

就像大多数软件应用程序的开发一样,开发人员也在使用多种语言来编写人工智能项目,但是现在还没有任何一种完美的编程语言是可以完全速配人工智能项目的。编程语言的选择往往取决于对人工智能应用程序的期望功能。

编程小火车 ·? 2019-04-08 20:00:22
Copyright?2005-2019 申博官网下载直营网 www.133845.com 版权所有 未经许可 请勿转载
申博游戏网站登入 太阳城官网 菲律宾太阳娱乐管理登入 申博游戏下载直营网 申博游戏网直营网 申博娱乐场直营网
菲律宾申博代理开户合作 申博游戏端登入 申博太阳城官网 申博官网太阳城娱乐网 申博www.sbc66.com直营网 申博开户直营网
太阳城申博娱乐直营网 申博微信支付充值 菲律宾申博138娱乐网直营 申博正网存取款直营网 申博游戏苹果手机怎么登入 菲律宾申博太阳城娱乐