首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >专家们最常用的15款机器学习工具

专家们最常用的15款机器学习工具

作者头像
人工智能小咖
修改2020-04-17 10:08:43
4.6K0
修改2020-04-17 10:08:43
举报
文章被收录于专栏:人工智能小咖人工智能小咖

机器学习是一项令人惊叹的技术。如果掌握了正确的使用方法,机器学习技术将势不可当。建造一个在很大程度上表现得像人类的机器,将是多么吸引人。精通机器学习工具有利于处理数据、训练模型、发现新方法并创建自己的算法。

随着机器学习技术的兴起,大量的机器学习(ML)工具、平台和软件纷纷涌现。 而且,机器学习技术也在不断发展。在这一堆机器学习工具中,你只需选择其中任意一种来获得专业知识。本文列出了专家们使用最多的前15个机器学习工具。

1. Knime

Knime是一个基于图形用户界面(Graphical User Interface,GUI)的开源机器学习工具。关于Knime,最值得一提的是,即使没有任何编程知识,仍然可以利用Knime提供的工具。Knime通常用于与数据相关的目的,例如:数据操纵、数据挖掘等。

而且,Knime通过创建并执行不同的工作流程来处理数据。Knime的存储库带有很多不同节点。然后,将这些节点带入Knime门户就能创建并执行节点的工作流程。

2. Accord.net

Accord.net是一个计算机器学习框架,配有图像和音频包。这样的软件包有助于训练模型和创建交互式应用程序,例如:试听、计算机视觉等。

由于工具名中包含.net,因此该框架的基础库是C#语言。Accord库在测试和处理音频文件中非常有用。

3. Scikit-Learn

Scikit-Learn是一个开放源代码的机器学习包。 这是一个集成平台,具有多种用途。它有助于进行回归、聚类、分类、降维和预处理。Scikit-Learn创建于三个主要的Python库之上,即NumPy、Matplotlib和SciPy。除此之外,它还有助于测试以及模型训练。

4. TensorFlow

TensorFlow是一个开源框架,适用于大规模及数值机器学习(ML)。它是机器学习和神经网络模型的集合,也是Python的好朋友。

TensorFlow的最大特点是可以在CPU和GPU上运行。TensorFlow常用于自然语言处理和图像分类。

5. Weka

欢迎下一个机器学习工具——Weka,它也是开源软件。用户可以通过图形用户界面访问Weka。 该软件非常人性化。它也被应用于研究和教学中。除此之外,Weka还允许用户访问其他机器学习工具,例如:R、Scikit-Learn等。

6. Pytorch

Pytorch是一个深度学习框架,既快速又灵活。这是因为Pytorch可以很好地命令GPU。 它是机器学习最重要的工具之一,因为它被用于机器学习最重要的方面,包括构建深度神经网络和张量计算。

Pytorch完全基于Python。除此之外,它是NumPy的最佳替代工具。

7. RapidMiner

于非程序员用户而言,RapidMiner是他们的福音。它是一个数据科学平台,具有非常出色的界面。RapidMiner独立于平台,在跨平台操作系统上工作。

借助该工具,人们可以使用自己的数据,测试他们自己的模型。RapidMiner的界面非常人性化。用户只需要拖放即可。这也是它对非程序员大有裨益的主要原因。

8. Google Cloud AutoML

Google Cloud AutoML的目标是使所有人都能使用人工智能。Google Cloud AutoML为用户提供了预训练模型,以便创建各种服务,例如:文本识别、语音识别等。

Google Cloud AutoML在公司中非常受欢迎。公司希望将人工智能应用于行业的各个领域,但由于市场上缺少熟练的人工智能人才,因此Google Cloud AutoML的企业应用一直面临着困难。

9. Jupyter Notebook

Jupyter notebook是使用最广泛的机器学习工具之一。 这是一个非常快速的处理工具,也是一个高效的平台。此外,它支持三种语言,即:Julia、R、Python。

因此,Jupyter的名称是由这三种编程语言组合而成。Jupyter Notebook允许用户以笔记本的形式存储和共享动态代码,也可以通过GUI访问它,例如: winpython navigator,和anaconda navigator等。

10. Apache Mahout

Mahout由基于Hadoop的开源平台Apache启动。Mahout通常用于机器学习和数据挖掘。 Mahout使诸如回归、分类和聚类之类的技术成为可能。除此之外,它还利用了基于数学的函数,例如向量等。

11. Azure Machine Learning studio

Azure机器学习工作室由Microsoft发布。就像Google的Cloud AutoML一样,这是Microsoft的产品,可为用户提供机器学习服务。Azure机器学习工作室是建立模块和数据集连接的一种非常简单的方法。

除此之外,Azure还旨在为用户提供AI功能。与TensorFlow一样,它也可以在CPU和GPU上运行。

12. MLLIB

与Mahout一样,MLLIB也是Apache Spark的产品。 它用于回归、特征提取、分类、过滤等。通常也称之为Spark MLLIB。MLLIB具有非常好的速度和效率。

13. Orange3

Orange3是一款数据挖掘软件,它是Orange软件的最新版本。Orange3协助预处理、数据可视化以及其他与数据相关的工作。用户可以通过Anaconda Navigator访问Orange3。 在Python编程中,这确实很有帮助。除此之外,它还可以充当一个不错的用户界面。

14. IBM Watson

IBM Watson是IBM提供的使用Watson的网页界面。 Watson是基于自然语言处理的人机交互问答系统。Watson应用于各个领域,例如:自动学习、信息提取等。

IBM Watson通常用于研究和测试,其目的是为用户提供类似人的体验。

15. Pylearn2

Pylearn2是建立在Theano之上的机器学习库。因此,它们之间有许多相似的功能。除此之外,它还可以执行数学计算。Pylearn2也能够在CPU和GPU上运行。在进入Pylearn2之前,用户必须熟悉Theano。

尾记

综上所述,本文介绍的是一些最流行和广泛使用的机器学习工具。上述工具表明了机器学习的先进性。所有这些工具都使用不同的编程语言运行,例如:其中一些工具在Python上运行,一些在C ++上运行,而另一些在Java上运行。

本文系外文翻译,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文系外文翻译前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1. Knime
  • 2. Accord.net
  • 3. Scikit-Learn
  • 4. TensorFlow
  • 5. Weka
  • 6. Pytorch
  • 7. RapidMiner
  • 8. Google Cloud AutoML
  • 9. Jupyter Notebook
  • 10. Apache Mahout
  • 11. Azure Machine Learning studio
  • 12. MLLIB
  • 13. Orange3
  • 14. IBM Watson
  • 15. Pylearn2
  • 尾记
相关产品与服务
TI-ONE 训练平台
TI-ONE 训练平台(以下简称TI-ONE)是为 AI 工程师打造的一站式机器学习平台,为用户提供从数据接入、模型训练、模型管理到模型服务的全流程开发支持。TI-ONE 支持多种训练方式和算法框架,满足不同 AI 应用场景的需求。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档