python机器学习方向的第三方库是啥
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python机器学习方向的第三方库是啥相关的知识,希望对你有一定的参考价值。
Python开发工程师必知的十大机器学习库:
一、Scikit-Learn
在机器学习和数据挖掘的应用中,Scikit-Learn是一个功能强大的Python包,我们可以用它进行分类、特征选择、特征提取和聚集。
二、Statsmodels
Statsmodels是另一个聚焦在统计模型上的强大的库,主要用于预测性和探索性分析,拟合线性模型、进行统计分析或者预测性建模,使用Statsmodels是非常合适的。
三、PyMC
PyMC是做贝叶斯曲线的工具,其包含贝叶斯模型、统计分布和模型收敛的诊断工具,也包含一些层次模型。
四、Gensim
Gensim被称为人们的主题建模工具,其焦点是狄利克雷划分及变体,其支持自然语言处理,能将NLP和其他机器学习算法更容易组合在一起,还引用Google的基于递归神经网络的文本表示法word2vec。
五、Orange
Orange是一种带有图形用户界面的库,在分类、聚集和特征选择方法方面,相当齐全,还有交叉验证的方法。
六、PyMVPA
PyMVPA是一种统计学习库,包含交叉验证和诊断工具,但没有Scikit-learn全面。
七、Theano
Theano是最成熟的深度学习库,它提供不错的数据结构表示神经网络的层,对线性代数来说很高效,与Numpy的数组类似,很多基于Theano的库都在利用其数据结构,它还支持开箱可用的GPU编程。
八、PyLearn
PyLearn是一个基于Theano的库,它给Theano引入了模块化和可配置性,可以通过不同的配置文件来创建神经网络。
九、Hebel
Hebel是一个带有GPU支持的神经网络库,可以通过YAML文件决定神经网络的属性,提供了将神级网络和代码友好分离的方式,并快速地运行模型,它是用纯Python编写,是很友好的库,但由于开发不久,就深度和广大而言,还有些匮乏!
十、Neurolab
Neurolab是一个API友好的神经网络库,其包含递归神经网络实现的不同变体,如果使用RNN,这个库是同类API中最好的选择之一。
参考技术A sklearn是比较常用的python机器学习库。机器学习梯度下降与拟牛顿
这节课的推导真心hold不住了。按照自己的理解记下仅看明白的东西吧。或许还有第二遍、第三遍整理呢。
主要讲了两个问题:
学习率α如何确定?
使用固定的学习率还是变化的学习率?
学习率设置为多大比较好?
下降的方向如何处理,除了梯度方向,有没有其他方向?
可行方向和梯度方向有何关系?
先上结论:
使用固定的学习率还是变化的学习率?
使用变化的学习率好。学习率的确定可以这样:在参数迭代的开始阶段,由于与最优值差距较大,可以使用较大的学习率;在迭代后期,使用较小的学习率增加稳定性和精度。
学习率设置为多大比较好?
构造一个关于α的函数,然后用二分线性搜索或回溯搜索来求得当前最优的学习率α。注意:当前最优。
那如何构造学习率α?
推导...
可行方向和梯度方向有何关系?
就是拟牛顿方向,我的理解是,梯度是线性的,牛顿是非线性的。梯度线性下降或者牛顿非线性下降。
********************************************分割线**********************************************
以上是关于python机器学习方向的第三方库是啥的主要内容,如果未能解决你的问题,请参考以下文章