Python的机器学习库有哪些？

　　Python是一种解释性的计算机程序设计语言，具有丰富而强大的库面对象。此外，它具有简单、易学、速度快、免费开放、可移植、可扩展和面向对象的特点，使Python成为2017年十分受欢迎的编程语言!

　　人工智能是目前特别热门的话题之一。机器学习技术是人工智能实现的必备技能。机器学习是一门多学科的交叉专业，它覆盖了概率论知识、统计知识、近似理论知识和复杂算法的知识，利用计算机作为工具，致力于真实、实时地模拟人类学习方式，并根据已有内容划分知识结构，有效地提高学习效率。机器学习定义如下：(1)机器学习是一门人工智能的科学，其主要研究对象是人工智能，尤其是如何通过经验学习来提高特定算法的性能。(2)机器学习是研究计算机算法，可以根据经验自动改进。(3)机器学习利用数据或过去的经验来优化计算机程序的性能标准。Python编程语言包括最有用的机器学习工具和数据库。以下是Python开发工程师必须知道的十大机器学习库!

　　Scikit-Learn

　　Scikit-Learn是一种功能强大的Python包，用于分类、特征选择、特征提取和聚集。

　　Statsmodels

　　Statsmodels是另一个功能强大的库，专注于统计模型，主要用于预测和探索分析，拟合线性模型，进行统计分析或预测建模，而Statsmodels非常适合使用。

　　PyMC

　　PyMC是制作贝叶斯曲线的工具，包括贝叶斯模型、统计分布和模型收敛的诊断工具，以及一些层次模型。

　　Gensim

　　Gensim被称为人类主题建模工具，其重点是狄利克雷的划分和变体。它支持自然语言处理，可以使NLP与其他机器学习算法更容易结合。同时，它引用了基于递归神经网络的谷歌文本符号word2vec。

　　Orange

　　Orange是一个具有图形用户界面的库，在特征选择、分类、特征选择等方面都比较完善，也有交叉验证的方法。

　　PyMVPA

　　PyMVPA是一个统计学习库，包括交叉验证和诊断工具，但没有Scikit-learn的全面介绍。

　　Theano

　　作为最成熟的深度学习库，Theano为表示神经网络提供了良好的数据结构，并能有效地处理线性代数，类似于Numpy的数组，很多基于Theano的数据库都在使用它的数据结构，而且它还支持GPU编程开箱。

　　PyLearn

　　PyLearn是一个基于Theano的数据库，它为Theano引入了模块化和可配置性，并通过不同的总结文件创建神经网络。

　　Hebel

　　Hebel是GPU支持的神经网络库。它可以通过YAML文件确定神经网络的属性，提供友好分离神级网络和代码的方法和快速运行模型。它是纯Python编写的，非常友好，但由于在开发过程中很快变得更加深入和广泛。

　　Neurolab

　　Neurolab是一个API友好的神经网络库，它包含各种递归神经网络，如果使用RNN，它是类似API的最佳选择之一。

　　以上就是Python开发工程师必须知道的十大机器学习库。另外，OverFeat、Nolearn、Decaf等机器学习库不会一一介绍，有兴趣的伙伴们可以来课课家教育深入学习!

  　　>>>>>>点击进入Python专题