|
作者｜Stefan Kojouharov 編譯 | 聶震坤 隨著各種的問題提及的越來越頻繁，筆者決定整理并分享有關(guān)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、人工智能、神經(jīng)網(wǎng)絡(luò)與大數(shù)據(jù)的技術(shù)合輯。為了內(nèi)容更加生動(dòng)易懂，針對(duì)各個(gè)大類展開詳細(xì)解析。 神經(jīng)網(wǎng)絡(luò)   機(jī)器學(xué)習(xí) （點(diǎn)擊查看大圖）  機(jī)器學(xué)習(xí)： Scikit-learn 算法 此部分內(nèi)容有助于解決機(jī)器學(xué)習(xí)中最難的部分，即找到正確的估計(jì)器（Estimator）。下圖有助于快速查找文檔與簡(jiǎn)介，更快了解問題并找到相應(yīng)的解決方法。 （點(diǎn)擊查看大圖）  Scikit-Learn Scikit-learn是 Python 的一個(gè)用于機(jī)器學(xué)習(xí)的免費(fèi)庫(kù)。旨在與 Python 數(shù)字庫(kù) NumPy 和科學(xué)庫(kù) SciPy 進(jìn)行交互。庫(kù)中包含大量的分類，回歸與聚類算法，支持向量機(jī)、隨機(jī)森林、梯度提升、K均值與DBSCAN。  機(jī)器學(xué)習(xí)：算法 此部分旨在介紹如何根據(jù)預(yù)測(cè)分析方案來選擇合適的機(jī)器學(xué)習(xí)算法。下圖可以根據(jù)數(shù)據(jù)性質(zhì)提出最佳算法。     Keras 2017 年，谷歌在 TensorFlow 的核心庫(kù)中加入了對(duì) Keras 的支持。相較于端到端的機(jī)器學(xué)習(xí)框架，Keras 更適合作為接口來使用。它提供了更高級(jí)別、更直觀的抽象集合，無論后端科學(xué)計(jì)算庫(kù)如何，都可以輕松配置神經(jīng)網(wǎng)絡(luò)。 （點(diǎn)擊查看大圖）  Numpy NumPy 是針對(duì) Python 的 CPython 參考實(shí)現(xiàn)，是一個(gè)非優(yōu)化的字節(jié)碼解釋器。Numpy 使用多維數(shù)組和函數(shù)與運(yùn)算符來改寫部分代碼來提高運(yùn)行效率，解決目前版本的Python編寫數(shù)學(xué)算法的運(yùn)行速度相對(duì)較慢的問題。 （點(diǎn)擊查看大圖） Pandas 名稱 “Pandas” 源于“面板數(shù)據(jù)”（Panel Data）一詞，是多維結(jié)構(gòu)化數(shù)據(jù)集的計(jì)量經(jīng)濟(jì)學(xué)術(shù)語(yǔ)。 SciPy 是基于 NumPy 數(shù)組對(duì)象進(jìn)行構(gòu)建，為 NumPy 堆棧的一部分。包括 Matplotlib，pandas 和 SymPy 等工具以及擴(kuò)展的科學(xué)計(jì)算庫(kù)集。該 NumPy 堆棧與其他應(yīng)用程序（如MATLAB，GNU Octave 和 Scilab）具有類似的使用者。 （點(diǎn)擊查看大圖） Matplotlib Matplotlib 是 Python 編程語(yǔ)言及其數(shù)學(xué)擴(kuò)展 NumPy 的繪圖庫(kù)。它提供了面向?qū)ο蟮腁PI，用于使用 Tkinter，wxPython，Qt 或 GTK +等通用 GUI 工具包將圖形嵌入到應(yīng)用程序中。還有一個(gè)基于狀態(tài)機(jī)的程序 “pylab” 接口。接口類似 MATLAB，但不鼓勵(lì)使用。 Pyplot 是一個(gè) matplotlib 模塊，提供了一個(gè)類似 MATLAB 的界面。Pyplot 擁有跟MATLAB 一樣易上手、兼容 Pyhton 且免費(fèi)的優(yōu)點(diǎn)。 大數(shù)據(jù)周刊 郵箱:tougao@bigdatamag.cn 眾論大數(shù)據(jù) 引領(lǐng)大時(shí)代 |
|
|
