这10个小工具 将引爆机器学习DIY潮流

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

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。

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

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

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

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:

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。

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

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

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:

8. NLP Compromise

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:

9. Datatest

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

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。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2016-08-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏量子位

讲道理,我觉得TensorFlow太逊了

原作:Nico Jimenez 安妮 编译自 Nico’s Blog 量子位 出品 | 公众号 QbitAI 本文作者Nico Jimenez。自2015年从斯...

34410
来自专栏Data Analysis & Viz

[资源]《动手学深度学习》by Amazon AI:李沐

上回介绍了下Github上的Awesome Deep Learning项目:包含深度学习的免费在线书籍、课程、视频及讲义、论文、教程、网站、数据集、框架和其他资...

1022
来自专栏AI研习社

Tensorflow的迭代更新 | Tensorflow 最全资料汇总【1】

【AI研习社】关注AI前沿、开发技巧及技术教程等方面的内容。欢迎技术开发类文章、视频教程等内容投稿,邮件发送至:zhangxian@leiphone.com 谷...

3219
来自专栏AI传送门

斯坦福大学《机器学习》课程-中文版内容(3.4)

1245
来自专栏玉树芝兰

如何用《玉树芝兰》入门数据科学?

链接起散落的文章,给《玉树芝兰》数据科学系列教程做个导读,帮你更为高效入门数据科学。

811
来自专栏IT派

我们从250个机器学习开源项目中挑出了Top 10,Github平均star979

在过去一个月中, Mybridge 从 250 个机器学习开源项目中挑选出了 Top 10。Mybridge AI 比较了这期间发布的新项目和重大项目,然后依据...

993
来自专栏人工智能头条

我们从250个机器学习开源项目中挑出了Top 10,Github平均star979

1473
来自专栏AI传送门

斯坦福大学《机器学习》课程-中文版内容(5.4)

1154
来自专栏目标检测和深度学习

多任务学习及其在图像分类中的应用(视频+PPT)

3月29日,我们邀请了哈尔滨工程大学李骜博士,为我们直播讲解了多任务学习及其在图像分类中的应用。回复“26”或者“李骜”即可获取PPT和回放视频下载链接。 回放...

37110
来自专栏AI科技大本营的专栏

我们从250个机器学习开源项目中挑出了Top 10,Github平均star979

在过去一个月中, Mybridge 从 250 个机器学习开源项目中挑选出了 Top 10。Mybridge AI 比较了这期间发布的新项目和重大项目,然后依据...

783

扫码关注云+社区