本文為 AI 研習社編譯的技術部落格，原标題 ：
Essential libraries for Machine Learning in Python
作者 | Shubhi Asthana
翻譯 | 就2
校對 | 就2 整理 | 鳳梨妹
原文連結：
https://medium.freecodecamp.org/essential-libraries-for-machine-learning-in-python-82a9ada57aeb
用 Python 做機器學習不得不收藏的重要庫
Python通常被應用統計技術或者資料分析人員當做工作中的首選語言。資料科學家也會用python作為連接配接自身工作與WEB 應用程式/生産環境內建中。
Python在機器學習領域非常出色。它具有一緻的文法、更短的開發時間和靈活性，非常适合開發能夠直接插入生産系統的複雜模型和預測引擎。
Python的一個最大的資産是其廣泛的庫。
庫是一組用給定語言編寫的程式和功能的集合。一組健壯的庫可以使開發人員更容易執行複雜的任務，而無需重寫許多代碼。
機器學習很大程度上是基于數學。具體來說就是數學優化、統計和機率。Python庫幫助那些不具備開發人員知識的研究人員/數學家輕松地“進行機器學習”。
以下是機器學習中最常用的一些庫:
Scikit-learn 經典的ML算法
Scikit-learn 是最流行的ML 庫之一，他支援很多監督學習和非監督學習算法。例如：線性回歸，邏輯回歸，決策樹，聚類 ，k-means等。
他基于兩個python庫：Numpy 和 Scipy 。 他為常見的機器學習和資料挖掘提供了一組算法：聚類，回歸和分類。甚至像資料轉換，特征選擇，內建學習這樣的任務也可與通過簡短幾行代碼實作。
對于機器學習的新手來說，Scikit-learn 是一個夠用的工具，直到你自己開始實作更複雜的算法。
Tensorflow for Deep Learning 深度學習
如果你在機器學習的世界裡，你可能聽過，嘗試過或者實作過某種形式的深度學習的算法。但是他們是必要的嗎？回答可能是不必要。但是完成他們後感覺很酷對嗎？ 回答是：對的！酷斃了。
Tensorflow 有趣的地方在于，當你使用python 編寫代碼，你可以編譯和運作在你的CPU 或者GPU 上，而且你不需要寫 c++或者 CUDA 的代碼，就可以運作在GPUs 叢集上。
他使用一個多層節點的系統，允許你快速的履歷，訓練，部署具有大量資料集的人工神經網絡。這讓谷歌能夠識别照片中的物體，通過語音識别程式了解在口語中的單詞。
Theano is also for Deep Learning
Theano 是另一個用于數值計算的優秀類庫，有點類似于Numpy。Theano 允許你高效的定義，優化和評估涉及多元數組的數學表達式。
使Theano 與衆不同的是它利用了計算機的GPU。這使得它能夠比單獨在CPU上運作時快100倍進行資料密集型計算。Theano的速度使得它對于深度學習和其他複雜的計算任務特别有價值。
Theano 庫的最終釋出是在去年——2017年，版本1.0.0包含了許多新特性、界面更改和改進。
Pandas 資料提取與預處理
panda是一個非常流行的庫，它提供了簡單易用且直覺的進階資料結構。
它有許多内建的方法來分組、組合資料和過濾以及執行時間序列分析。
panda可以輕松地從SQL資料庫、CSV、Excel、JSON檔案等不同來源擷取資料，并對資料進行操作。圖書館有兩個主要結構:
Series“級數”---- 一維 。
Data Frames“資料幀”---- 二維。
如果想得知關于如何使用序列和資料看架構的更多細節，請檢視的我的其他文章。
Matplotlib用于資料可視化
如果你不能很好的與其他人交流，那麼最好的，最複雜的機器學習就顯得沒有意義。
那麼如何從這些資料中轉換出價值呢?你如何激勵你的業務分析師，告訴他們充滿“洞察力”的“故事”?
這就是Matplotlib發揮作用的地方。它是每個資料科學家用于建立2D圖形和圖形的标準Python庫。它是指令行簡單，這意味着它需要更多的指令來生成好看的圖形和數字，而不是使用一些進階庫。
然而，這也帶來了靈活性。有了足夠的指令，您可以使用Matplotlib制作任何您想要的圖形。您可以建構不同的圖表，從直方圖和散點圖到非笛卡爾坐标圖。
它支援所有作業系統上的不同GUI後端，還可以将圖形導出到通用矢量和圖形格式，如PDF、SVG、JPG、PNG、BMP、GIF等。
Seaborn是另一個資料可視化庫
Seaborn是一個流行的可視化庫，它建立在Matplotlib的基礎之上。它是一個進階庫，這意味着更容易生成某些類型的圖，包括熱圖、時間序列和小提琴圖。
最後
這是機器學習中最重要的Python庫的集合。如果您打算使用Python和資料科學，那麼這些庫是值得一看的，同時也值得您熟悉。
我是否錯過了任何重要的Python ML庫?如果是，請務必在下面的評論中提到它。盡管我試圖介紹最有用的庫，但可能仍然沒有介紹其他一些值得研究的庫。
問題或建議嗎?我很想聽聽你的意見——請随意留言。
想要繼續檢視該篇文章相關連結和參考文獻？
長按連結點選打開或點選底部【用python做機器學習不得不收藏的重要庫】：
https://ai.yanxishe.com/page/TextTranslation/1119
AI研習社每日更新精彩内容，觀看更多精彩内容：雷鋒網雷鋒網雷鋒網(公衆号：雷鋒網)
AI/機器學習年度2018年度進展綜述
算法基礎：五大排序算法Python實戰教程
手把手：用PyTorch實作圖像分類器（第一部分）
手把手：用PyTorch實作圖像分類器（第二部分）
等你來譯：
對混亂的資料進行聚類
初學者怎樣使用Keras進行遷移學習
強化學習：通往基于情感的行為系統
一文帶你讀懂 WaveNet：谷歌助手的聲音合成器