首页 > 业界 > 机器学习十大不可忽视项目
2016
08-09

机器学习十大不可忽视项目

  前言:那些流行的机器学习项目之所以受欢迎,一般是因为其提供了一种多数人需要的服务,或是因为它们是第一个(也许是最好的)针对特定用户提供服务的。那些最流行的项目包括 Scikit-learn、TensorFlow、 Theano、MXNet 、Weka 等。根据个人使用的工作系统、深度学习目标不同,不同的人认为流行的项目可能会有些许差异。然而,这些项目共有的特性是它们都面向大量的用户提供服务。但是仍然存在很多小型的机器学习项目:pipelines、wrappers、high-level APIs、cleaners 等,通常来说这些项目都是针对小规模的用户群提供好用且灵活的服务。

  本文将介绍十种不那么有名的机器学习项目,你也可能从这些项目中获得一些不错的启发。不建议你去尝试所有的项目,但是如果里面刚好有你需要的某个功能,请尽管去试一试。

  以下即十大你不可忽视的机器学习项目(排名不分先后):

  1. Deepy

机器学习十大不可忽视项目 - 同创卓越 - 1

  Deepy 由 Raphael Shu 开发,是一个基于 Theano 扩展深度学习框架,它提供了一个简洁的、高阶的组件(如 LSTMs)、批规范化、自动编码等功能。Deepy 宣称其框架是十分简洁明了的,它的官方文档和示例也同样如此。

机器学习十大不可忽视项目 - 同创卓越 - 2

  Deepy 工作原理:在给定训练数据和参数(随机初始化)下运行模型,将错误(或梯度)反馈并更新参数,这个过程反复进行。

  2. MLxtend

  机器学习十大不可忽视项目 - 同创卓越 - 3

  MLxtend 由 Sebastian Raschka 开发,是一系列有效工具的集合,也是针对机器学习任务的扩展。Sebastian Raschka 提到 MLxtend 本质上是一些有效的工具集,也是与机器学习和数据科学相关的参考资料。他提到开发 MLxtend 主要是基于以下几个原因:

一些其他地方找不到的特定算法(如序列特征选择算法、多数表决分类器、叠加预估、绘图决策区域等)

用于教学目的(逻辑回归、Softmax 回归、多层感知器、PCA、PCA 内核等)这些实现主要关注于代码的可读性,而不是单纯的效率

打包便利:tensorflow、Softmax 回归和多层感知器

  MLxtend 基本上是 Sebastian Raschka 所写的一个机器学习运行常用的库,其中很多功能的实现都与 scikit-learn 的 API 相似,但作者仍在持续更新中,且作者表示所有的新增特性与创新的算法都会一起打包在 MLxtend 中。

  3. datacleaner

  机器学习十大不可忽视项目 - 同创卓越 - 4

  datacleaner 由 Randal Olson 开发,他认为自己开发的 datacleaner 是一个“能自动清除数据集并且让它们便于分析的 Python 工具。”他认为:datacleaner 所做的将会节约你大量的编码和清理数据的时间。

  datacleaner 还处于开发过程中,但目前已经能够处理以下常规(传统方式下耗时量巨大的)数据清洗任务:

在列的基础上,用模式或中位数替换丢失的值

用数值等价物对非数值变量进行编码等

  4. auto-sklearn

  机器学习十大不可忽视项目 - 同创卓越 - 5

  auto-sklearn 由德国弗莱堡大学机器学习自动算法小组开发,是针对 Scikit-learn 环境的自动机器学习工具。

  auto-sklearn 能将机器学习用户从算法选择和高参数调整中解救出来,它利用了近期在贝叶斯优化、元学习和集成构筑上研究的优势。其大致工作原理如下:

机器学习十大不可忽视项目 - 同创卓越 - 6

  5. Deep Mining

  Deep Mining 由来自 MIT CSAIL 实验室的 Sebastien Dubois 开发,是一个机器学习深管道自动调谐器。为了尽快实现最好的分类精度,该软件将迭代、智能地测试一些超参数集。

机器学习十大不可忽视项目 - 同创卓越 - 7

  另外值得一提的是文件夹 GCP-HPO 包含所有高斯过程(GCP)的实现代码以及基于其基础上的超参数优化(HPO)。高斯过程(GCP)可以看作是一种改进的版本。这项新技术被证明优于基于 GP 的超参数优化,已经远比随机搜索表现要好。

  6. Rusty Machine

机器学习十大不可忽视项目 - 同创卓越 - 8

  Rusty Machine 是基于 Rust 的机器学习方法,Rust 是由 Mozilla 赞助开发的一种与C和 C++ 较为相似的计算机编程语言,其号称“Rust 是一种系统的编程语言,运行速度极快,可以防止错误,并保证线程安全。”

  Rusty Machine 的开发者是否活跃,目前支持一系列想学习技术,包括:线性回归、逻辑回归、k-均值聚类、神经网络、支持向量机等等。

  Rusty Machine 还支持数据结构,如内置向量和矩阵。作为一种常见的模型接口,Rusty Machine 为每个支持的模型提供了训练和预测的功能。

  7. scikit-image

机器学习十大不可忽视项目 - 同创卓越 - 9

  scikit-image 图像是针对 SciPy 使用 Python 的图像处理方法。scikit-image 是机器学习吗?它其实是一个机器学习项目(没有确切地表示他们必须用机器学习方法),scikit-image 就属于数据处理和准备工具这一类。该项目包括一些图像处理算法,如点检测、滤波、特征选择和形态学等。

  示例:

机器学习十大不可忽视项目 - 同创卓越 - 10

机器学习十大不可忽视项目 - 同创卓越 - 11

  8. NLP Compromise

机器学习十大不可忽视项目 - 同创卓越 - 12

  NLP Compromise 是由 Javascript 语言编写的,其在浏览器中进行自然语言处理过程。NLP Compromise 非常容易安装和使用,以下是它的一个使用范例:

机器学习十大不可忽视项目 - 同创卓越 - 13

  9. Datatest  

机器学习十大不可忽视项目 - 同创卓越 - 14

  Datatest 是一个依靠数据冲突的测试集,其由 Python 编写。

  Datatest 扩展了数据校正的测试工具标准数据库

  Datatest 是一种寻找数据冲突和准备的不同方式,如果你的大部分时间都被花在这个任务上,也许换一种新的方法是值得的。

  10. GoLearn

机器学习十大不可忽视项目 - 同创卓越 - 15

  GoLearn 是一种针对 Go 语言的机器学习库,自称 Go 语言机器学习的“内置电池”学习库。简洁、易定制是其追求的目标。

  对于一些想分支出来的 Python 用户或者想尝试下机器学习的 Go 语言用户来说,GoLearn 是一个不错的选项。GoLearn 实现了熟悉的 Scikit-learn 适应/预测界面,可实现快速预估测试和交换。。

  GoLearn 是一个成熟的项目,它提供了交叉验证和训练/测试等辅助功能。如果你还记得的话,之前提到的 Rusty Machine 还没有实现这个功能。如果要尝试一门新的 Go 语言的话,GoLearn 可能是你所追求的那个。

  总结:以上即十个机器学习项目概览,既有小众却简洁好用的学习框架,也有新兴语言衍生出来的学习库资料。再次重申不建议读者去尝试所有的项目,但是如果里面刚好有项目能解决你目前所遇到的问题,请尽管去使用。

  PS : 本文由雷锋网(搜索“雷锋网”公众号关注)独家编译,未经许可拒绝转载!

  via KDnuggets

 
来自: 雷锋网
 
最后编辑:
作者:同创卓越
这个作者貌似有点懒,什么都没有留下。

留下一个回复

你的email不会被公开。