5个开源库来帮助您的机器学习努力

机器学习正在改变我们做事的方式，并且它正在迅速成为主流。

虽然许多因素促成了机器学习的增长，但一个原因是，由于开源框架，开发人员应用它变得越来越容易。

如果您不熟悉这项技术，并且对使用的某些术语 (例如 “框架” 和 “库”) 感到困惑，请参考以下定义:

框架。可以肯定的是，Avague术语; 即使是经常使用它的人也无法就其确切定义达成共识。但是，在大多数情况下，“框架” 指的是您构建的用于应用程序开发的一堆程序，库和语言。将框架视为入门的基础。

库。应用程序使用的对象或方法的集合。它是一个具有可重复使用的代码的文件，可以被许多应用程序共享，因此您不必重复编写相同的代码。相反，你链接到图书馆。

作为一个在线用户: “库和框架之间的关键区别是 '控制倒置'。当您从库中调用方法时，您可以控制但是在框架下，控件是反向的: 框架叫你。”

还是糊涂了？看看这个有用的YouTube视频，了解框架和图书馆之间的区别。

如果你在很大程度上进入机器学习，你可能正在寻找资源来帮助指导你。有许多可用的框架，但这里有一些我们最喜欢的帮助你开始。

您将使用的机器学习资源

TensorFlow.TensorFlow是由Google Brain团队开发的，用于处理感知和语言理解任务。它还可以进行机器学习和深度神经网络的研究。TensorFlow有一个基于python的接口。它被用于谷歌的许多产品中，处理语音识别、Gmail、照片和搜索。

此框架的有用之处在于，它可以执行复杂的数学计算并查看数据流图。TensorFlow是灵活的，这意味着用户可以在其上编写自己的库。它也是便携式的，能够在云和移动计算平台上以及cpu或gpu上运行。

Amazon Machine Learning。Amazon Machine Learning (AML) 是为开发人员而构建的，它具有许多工具和向导，可帮助您创建机器学习模型，而无需学习机器学习工作原理的所有复杂性。借助AML，您可以生成预测并使用来自Amazon Redshift (数据仓库平台即服务) 的数据。

幕府将军拥有许多最先进的算法，使其成为方便的工具。它是用C编写的，为机器学习问题提供数据结构。它可以在Windows、linux和MacOS上运行。此外，Shogun很有帮助，因为它支持绑定到其他机器学习库。列表广泛，但其中包括: SVMLight、LibSVM、libqp、SLEp、LibLinear、VowpalWabbitand Tapkee。

Accord.NET.Accord.NET是一个NET机器学习框架，具有多个库来处理从模式识别，图像和信号处理到线性代数，统计数据处理等所有内容。Accord之所以有用，是因为它可以提供很多东西，包括40种不同的统计分布，30多种假设检验以及38多种内核函数。

Apache Signa、Apache Spark MLlib和Apache mahout. Apache Signa、Apache Spark MLlib和Apache mahoutarthree框架有很多可以提供的。Apache Signa主要用于自然语言处理和图像识别; 它可以在各种硬件上运行。

Mahout为各种数学运算提供Java库和Java集合。Spark MLlib的创建目标是使机器学习变得容易。它汇集了许多学习算法和实用程序，包括分类，聚类，降维等等。

您需要的数据集

一旦你开始，你还需要一些数据。如果您只是在学习并且需要练习，请尝试以下一些有用的数据集，这些数据集都可以在GitHub上找到: