Есть ли рекомендуемый пакет для машинного обучения в Python? [закрытый]

есть еще scikit-learn (BSD, только с зависимостями от numpy & scipy). Она включает в себя различные алгоритмы обучения, такие как:

• SVM на основе libsvm и линейный с scipy.разреженные привязки для наборов данных широких объектов
• методы байесовского
• системой гидрометеомониторинга
• L1 и L1+L2 регуляризованные регрессионные методы, такие как лассо и эластичные сетчатые модели, реализованные с помощью таких алгоритмов, как LARS и coordinate спуск

Он также имеет неконтролируемые алгоритмы кластеризации, такие как:

• kmeans++
• meanshift
• сходство животных
• спектральной кластеризации

а также другие инструменты, такие как:

• характеристика экстракторов для текстового содержимого (маркер и голец ngrams + хеширования векторизатор)
• выбор одномерных функций
• простой трубопровод инструмент
• многочисленные реализации стратегий перекрестной проверки
• оценка и планирование показателей производительности (Roc кривая, AUC, матрица путаницы,...)
• утилита поиска сетки для выполнения настройки гиперпараметров с использованием параллельной перекрестной проверки
• интеграция с joblib для кэширования частичных результатов при работе в интерактивной среде (например, с помощью ipython)

каждая реализация алгоритма с образец программы демонстрируя его использование либо на игрушечных данных или наборов данных реальной жизни.

кроме того, официальный исходный репозиторий размещено на github поэтому, пожалуйста, не стесняйтесь вносить исправления и улучшения, используя обычную функцию запроса pull для интерактивного просмотра кода.

общий дружественный пакет оранжевый -- вроде как Weka или RapidMiner, если вы знакомы с ними.

кроме этого, существует множество пакетов и наборов инструментов для различных задач. Вы должны проконсультироваться с пакетами Python, перечисленными на mloss в качестве отправной точки.

вы можете посмотреть на:

http://www.shogun-toolbox.org/, который имеет интерфейсы для нескольких языков, включая python. Есть еще http://www.pybrain.org/, который является (Я считаю) собственной реализацией алгоритмов ML. Надеюсь, это поможет.

для поддержки векторных машин, взгляните на LibSVM которые, среди прочего, имеют интерфейс Python.

Глубокое Обучение-Уроки опишите, как развивать и обучать глубокие нейронные сети. Элемент библиотеки даже использовать графический процессор Nvidia, если таковой имеется.

вероятно, связанные вопросы при переполнении стека:

библиотека искусственного интеллекта в python.

что такое лучшая библиотека искусственного интеллекта для Python?

Я оранжевый попробовать.

Это мощный, но если вы пройдете через документацию, вы поймете, что у автора есть свой собственный сумасшедший стиль написания Python. Его код становится довольно загадочным, если вы относительно новичок в Python, поэтому я бы не рекомендовал Orange, если вы не знакомы с Python.

http://www.pymvpa.org может сработать также.

Я не уверен, что вы точно назовете это машинным обучением, но пакет nltk делает байесовский стиль классификации текста. Вы можете использовать данные обучения и тестовые данные, чтобы увидеть, что он выводит правила о данных.

Это отличный список, сделанный SciPy, из многих известных пакетов Python, среди прочего, связанных с машинным обучением: искусственный интеллект и машинное обучение

Если вы ищете нейронную сеть, привязка python для fann довольно проста в использовании и поставляется с инструментами для обучения Ваших сетей

посмотри модульный инструментарий для обработки данных (MDP). Он реализует несколько алгоритмов из машинного обучения и статистики, и это зрелый и хорошо документированный.

SVMlight иногда является удобной альтернативой LibSVM! Однако LibSVM также фантастичен.