8大JavaScript机器学习框架之探索

Posted 2021-05-02 21CTO

21世纪技术官导读：在本文中，我们将了解8个不同的javascript学习框架，DeepLearn.js，PropelJS，ML-JS，ConvNetJS，KeraJS，STDLib，Limdu.js和Brain.js。

 

使用JavaScript的机器学习开发者，会经常寻找可用于不同机器学习算法来训练机器学习模型的JS框架。

 

在本文里，我们介绍一些机器学习算法。可以基于这些算法使用本文中列出的不同JavaScript框架来训练学习模型。

 

1、        简单线性回归

2、        多变量线性回归

3、        逻辑回归

4、        朴素贝叶斯

5、        K近邻（KNN）

6、        K-方法

7、        支持向量机（SVM）

8、        随机森林

9、        决策树

10、     反馈神经网络

11、     深度学习网络

 

下面我们一起学习关于机器学习的8个JavaScript框架。包括如下：

DeepLearn.js

Deeplearn.js(https://deeplearnjs.org/)是Google开源的机器学习JavaScript库，可用于不同的目的。例如在浏览器中训练神经网络，理解ML模型，用于教育目的等。我们可以在预先训练的模型运行推理模式。、

我们可以在Typescript（ES6 JavaScript）或ES5JavaScript中编写代码。 通过在html文件的head标签中包含以下代码并编写用于构建模型的JS程序，可以快速入门。

<scriptsrc="https://cdn.jsdelivr.net/npm/deeplearn@latest"></script>
<!-- or --> <scriptsrc="https://unpkg.com/deeplearn@latest"></script>

PropelJS

Propel（http://propeljs.org/）是一个JavaScript库，为科学计算提供了GPU支持，类似numpy的基础架构。 它可使用在NodeJS应用程序和浏览器的场合。 以下是浏览器端的设置代码：

 <scriptsrc="https://unpkg.com/propel@3.1.0"></script>

以下代码可用于NodeJS应用程序：

 npm install propel import {grad } from "propel";

这里是PropelJS（http://propelml.org/docs/）的文档 。 这是Propel的GitHub页面（https://github.com/propelml/propel）

ML-JS

ML-JS（https://github.com/mljs/）提供了用于使用NodeJS和浏览器的机器学习工具。 ML JS工具可以使用以下代码进行设置：

 <scriptsrc="https://www.lactame.com/lib/ml/2.2.0/ml.min.js"></script>

ML-JS支持以下机器学习算法：

• 无监督学习

• 主成分分析（PCA）

• K均值聚类

• 监督学习

• 简单的线性回归

• 多变量线性回归

• 支持向量机（SVM）

• 朴素贝叶斯

• K-最近邻（KNN）

• 偏最小二乘（PLS）

• 决策树：CART

• 随机森林

• 逻辑回归

• 人工神经网络

• 前馈神经网络

 

可以到ML-JS的GitHub页面：https://github.com/mljs找到上面支持的机器学习算法。

ConvNetJS

ConvNetJS（https://cs.stanford.edu/people/karpathy/convnetjs/）是一个完整的JavaScript库，可以完全在浏览器中训练深度学习模型（神经网络）。 这个库也可以用在NodeJS应用程序中。

刚一开始，可以从ConvNetJS压缩库中获取压缩版本的ConvNetJS。 这是ConvNetJS的发布页面 （https://github.com/karpathy/convnetjs/releases）。

 <scriptsrc="convnet-min.js"></script>

以下是一些重要的页面：

• 用于ConvNetJS的NPM软件包

https://www.npmjs.com/package/convnetjs

• 入门

https://cs.stanford.edu/people/karpathy/convnetjs/started.html

• 文档

https://cs.stanford.edu/people/karpathy/convnetjs/docs.html

KerasJS

使用KerasJS （https://transcranial.github.io/keras-js/#/），我们可以在浏览器中运行Keras（https://github.com/transcranial/keras-js）模型，并使用WebGL支持GPU。Keras模型也可以在Node.js中运行，但只能在CPU模式下。 以下是可以在浏览器中运行的Keras类型列表：

• MNIST

• 卷积变分自编码器，在MNIST上进行训练

• MNIST上的辅助分类器生成敌对网络（AC-GAN）

• 在ImageNet上进行了50层网络的学习

• DenseNet-121，在ImageNet上接受学习

• SqueezeNet     v1.1，在ImageNet上进行学习

• 用于IMDB情绪分类的双向LSTM

STDLIB

STDLib（https://stdlib.io/）是一个JavaScript库，可用于构建高级统计模型和机器学习库。 它也可以用于数据可视化和探索性数据分析的绘图和图形功能。

以下是与ML有关的图书馆列表：

• 通过随机梯度下降的线性回归（ @ stdlib / ml /     online-sgd-regression ）

• 通过随机梯度下降进行二元分类（ @ stdlib / ml /     online-binary-classification ）

• 自然语言处理（ @ stdlib / nlp ）

Limdu.js

Limdu.js（https://github.com/erelsgl/limdu）是Node.js的机器学习框架。 它支持以下一些特性：

• 二进制分类

• 多标签分类

• 特色工程

• SVM

使用如下命令来安装limdu.js：

 npm install limdu

Brain.js

Brain.js（https://github.com/BrainJS）是一套用于训练神经网络和朴素贝叶斯分类器JavaScript库。 以下命令用于设置Brain.js：

 npm install brain.js

也可以使用以下代码在浏览器中包含库：

 <scriptsrc="https://raw.githubusercontent.com/harthur-org/brain.js/master/browser.js"></script>

以下命令可用于安装朴素贝叶斯分类器：

npm install classifier

小结

 

在这篇文章中，您可以了解在浏览器或Node.js应用程序中训练机器学习模型的不同JavaScript库。 有关机器学习的文章，可以在历史文章中搜索。

译者：安晓宁

来源：21世纪技术官