Python機器學習會應用到哪些庫?Python入門學習

　　近年來，Python語言快速發展，已經成功超越其他程式語言，成為機器學習領域中最受歡迎的程式語言之一。之所以Python被廣泛的應用於機器學習領域，是因為Python語言含有很多有用的庫和工具，那麼你知道Python機器學習會應用到哪些庫嗎?這十大機器學習庫你必須知道!

　　一Scikit-Learn

　　在機器學習和資料探勘的應用中，Scikit-Learn是一個功能強大的Python包，我們可以用它進行分類、特徵選擇、特徵提取和聚集。

　　二Statsmodels

　　Statsmodels是另一個聚焦在統計模型上的強大的庫，主要用於預測性和探索性分析，擬合線性模型、進行統計分析或者預測性建模，使用 Statsmodels是非常合適的。

　　三PyMC

　　PyMC是做“貝葉斯曲線”的工具，其包含貝葉斯模型、統計分佈和模型收斂的診斷工具，也包含一些層次模型。

　　四Gensim

　　Gensim被稱為“人們的主題建模工具”，其焦點是狄利克雷劃分及變體，其支援自然語言處理，能將NLP和其他機器學習演算法更容易組合在一起，還引用了Google的基於遞迴神經網路的文字表示法word2vec。

　　五Orange

　　Orange是一種帶有圖形使用者介面的庫，在分類、聚集和特徵選擇方法方面，相當齊全，還有交叉驗證的方法。

　　六PyMVPA

　　PyMVPA是一種統計學習庫，包含交叉驗證和診斷工具，但沒有Scikit-learn全面。

　　七Theano

　　Theano是最成熟的深度學習庫，它提供了不錯的資料結構表示神經網路的層，對線性代數來說很高效，與Numpy的陣列類似，很多基於Theano的庫都在利用其資料結構，它還支援開箱可用的GPU程式設計。

　　八PyLearn

　　PyLearn是一個基於Theano的庫，它給Theano引入了模組化和可配置性，可以透過不同的配置檔案來建立神經網路。

　　九Hebel

　　Hebel是一個帶有GPU支援的神經網路庫，可以透過YAML檔案決定神經網路的屬性，提供了將神級網路和程式碼友好分離的方式，並快速地執行模型，它是用純Python編寫，是很友好的庫，但由於開發不久，就深度和廣大而言，還有些匱乏!

　　十Neurolab

　　Neurolab是一個API友好的神經網路庫，其包含遞迴神經網路實現的不同變體，如果使用RNN，這個庫是同類API中最好的選擇之一。