开发者弹药库升级 推荐五个机器学习框架

xman

　　业内知名数据科学网站 KDnuggests，昨日评选出了四月份"你不可忽视的五个机器学习项目"。
　　你可能没听过它们，但今天或许会考虑上手。至于那些不同生态、不同编程语言的工具对于高手而言，即便没有使用需求，借鉴它们的代码执行也能为自己的产品开发带来许多灵感。
　　1. Scikit-plot
　　一帮缺乏艺术细胞的数据科学家，在某年某月某天突然心怀恐惧地意识到：可视化是数据科学最关键的东西之一，而不仅仅是一个加分项。
　　这就导致了 Scikit-plot 的诞生。

　　KDnuggests 副主编 Matthew Mayo 表示："我注意到 Scikit-plot，是因为在 Reddit 上看到了它的作者的发帖，随后几乎立刻便上了手。"
　　该项目旨在为 Scikit-learn 用户提供一系列标准、实用的图表。这包括：
　　Elbow plots
　　Feature importance graphs
　　PCA projection plots
　　ROC curves
　　Silhouette plots
　　Scikit-plot 库有两个 API，其中一个与 Scikit-learn 紧密整合，以控制对其 API 的调用(Factory  API)。另一个更传统(the Functions API)。但无论哪个都应当足够你使用。
　　它的快速上手指南在这里。
　　2. Scikit-feature
　　Scikit-feature 是 Python 的开源特征选取资源库，由亚利桑那州立大学的数据挖掘机器学习实验室开发。它基于  scikit-learn、Numpy 以及 Scipy。Scikit-feature 内置约 40  个常见特征选取算法，包含传统算法以及一些结构式、流式的特征选取算法。
　　所有的特征选取方案，都有一个共同目标：找出多余、不相关的特征。这是一个相当热门的研究领域，对此有无数算法。
　　Scikit-feature 既适用于实用特征选取工程，也适合做算法研究。查看它支持的算法列表请点击这里。
　　一名为 Rubens Zimbres 的数据科学家曾如是说：
　　"在积累了经验，尝试了堆叠神经网络、并行神经网络、asymmetric  configs、简单的神经网络、多层、dropout、激活函数等各种东西之后，我得出了一个结论：论效果，什么都比不上好的特征选取。"
　　3. Smile
　　Smile (Statistical Machine Intelligence and Learning Engine)  是一个快速、全面的机器学习系统。受益于先进的数据结构与算法，Smile 有最一流的性能。
　　Smile 覆盖了机器学习的方方面面，包括分类、回归、聚类、关联规则挖掘、特征选取、流形学习(manifold  learning，)、多维尺度分析(MDS)、遗传算法、missing value imputation、最邻近搜索等等。

　　对于使用 Java 和 Scala 的开发者，目前来看，Smile 是最合适的机器学习库。你可以把它看作是一个 JVM  Scikit-learn。该项目有非常全面的官方教程，地址： http://haifengl.github.io/smile/。该教程不仅覆盖了 Smile  使用技巧，还是很高质量的机器学习算法入门资料。
　　如果你用 JVM 开发机器学习，Smile 绝对值得一试。事实上，如果你身在这个生态系统却没听过 Smile，才是一桩奇闻。
　　4. Gensim
　　Gensim 是一个针对话题建模、文件索引、在大语料库中进行相似性检索的 Python 算法库。目标受众是自然语言处理和信息检索社区。
　　Gensim 是个以完整性为目标的多面手。其开发团队称，它为"常见算法提供了高效的多核执行，比如 Latent Semantic Analysis  (LSA/LSI/SVD)， Latent Dirichlet Allocation (LDA)， Random Projections (RP)，  Hierarchical Dirichlet Process (HDP) 或 word2vec 深度学习。"
　　Gensim 的文件在这里。KDnuggets 以前发过一篇教新手用 Gensim 搞话题建模的教程，请戳这里。
　　5. Sonnet

　　本月初，DeepMind 在官方博客宣布了开源 Sonnet 的消息。雷锋网第一时间进行了报道：DeepMind发布Sonnet  帮你用TensorFlow快速搭建神经网络。
　　DeepMind 在博客中表示：
　　"对于 TensorFlow 而言，自从其在 2015  年末开源，一个由众多高级算法库组成的多样生态系统，便已围绕着它迅速发展起来。这些高级工具，允许常用任务以更简便、更快的方式完成，极大节省了开发者的时间精力。
　　作为该生态的新成员，Sonnet 也是如此。它与现有的神经网络算法库有许多共同点，但部分功能专为 DeepMind 的研究需要而设计。"
　　Sonnet 是基于 TensorFlow 的高级算法库。DeepMind 承认了它与一些现有产品比较类似，但整合了 DeepMind  研究所必须的功能与特性，比如允许特定模块在随机聚集的 Tensor 群组上运行：
　　"RNN 的状态，最适合于以异构 Tensor 集合来表示，用扁平列表来表示它们很容易会导致错误。Sonnet  提供了处理这些随机等级结构的功能，所以改变你的试验，使用另一种 RNN，并不需要繁冗地修改代码。DeepMind 已经对核心 TensorFlow  做了修改，以更好地支持这一使用情况。"
　　最后，希望本文能够对你产生帮助。让你知道一些此前没听说过的算法库，或者你并没有意识到自己其实需要的功能。