常用的Python機器學習庫合集，你用過幾個?

　　在當下，很多人轉行學程式設計都會選擇Python，因為學習Python程式語言之後，從事的工作崗位和工作機會選擇餘地比較大，可從事機器學習、人工智慧、遊戲開發、web開發等崗位，具有很好的發展空間。也正因如此，很多同學開始了Python機器學習。那麼常用的Python機器學習庫有哪些?具體請看下文：

　　Python作為一門理想的整合語言，將各種技術繫結在一起，除了為使用者提供更方便的功能之外，還是一個理想的粘合平臺，在開發人員與外部庫的低層次整合人員之間搭建連線，以便用C、C++實現更高效的演算法。

　　使用Python程式設計可以快速遷移程式碼並進行改動，無須花費過多的精力在修改程式碼與程式碼規範上。開發者在Python中封裝了很多優秀的依賴庫，可以直接拿來使用，常見的機器學習庫如下：

　　1、Scikit-Learn

　　Scikit-Learn基於Numpy和Scipy，是專門為機器學習建造的一個Python模組，提供了大量用於資料探勘和分析的工具，包括資料預處理、交叉驗證、演算法與視覺化演算法等一系列介面。

　　Scikit-Learn基本功能可分為六個部分：分類、迴歸、聚類、資料降維、模型選擇、資料預處理。其中整合了大量分類、迴歸、聚類功能，包括支援向量機、邏輯迴歸、隨機森林、樸素貝葉斯等。

　　2、Orange3

　　Orange3是一個基於元件的資料探勘和機器學習軟體套裝，支援Python進行指令碼開發。它包含一系列的資料視覺化、檢索、預處理和建模技術，具有一個良好的使用者介面，同時也可以作為Python的一個模組使用。

　　使用者可透過資料視覺化進行資料分析，包含統計分佈圖、柱狀圖、散點圖，以及更深層次的決策樹、分層聚簇、熱點圖、MDS等，並可使用它自帶的各類附加功能元件進行NLP、文字挖掘、構建網路分析等。

　　3、XGBoost

　　XGBoost是專注於梯度提升演算法的機器學習函式庫，因其優良的學習效果及高效的訓練速度而獲得廣泛的關注。XGBoost支援並行處理，比起同樣實現了梯度提升演算法的Scikit-Learn庫，其效能提升10倍以上。XGBoost可以處理迴歸、分類和排序等多種任務。

　　4、NuPIC

　　NuPIC是專注於時間序列的一個機器學習平臺，其核心演算法為HTM演算法，相比於深度學習，其更為接近人類大腦的執行結構。HTM演算法的理論依據主要是人腦中處理*級認知功能的新皮質部分的執行原理。NuPIC可用於預測以及異常檢測，使用面非常廣，僅要求輸入時間序列即可。

　　5、Milk

　　Milk是Python中的一個機器學習工具包。Milk注重提升執行速度與降低記憶體佔用，因此大部分對效能敏感的程式碼都是使用C++編寫的，為了便利性在此基礎上提供Python介面。重點提供監督分類方法，如SVMs、KNN、隨機森林和決策樹等。