Pyevolve - 基于python的机器学习库

　　Pyevolve

　　神经网络研究更让人兴奋和不同的领域之一是遗传算法。从根本上说，遗传算法只是一个模拟自然选择的启发式搜索过程。本质上它是在一些数据上测试神经网络，并从一个拟合函数中得到网络性能的反馈。然后对网络迭代地做小的、随机的变化，再使用相同的数据进行测试。将具有高度拟合分数的网络作为输出，然后使其作为下一个网络的父节点。

　　Pyevolve提供了一个用于建立和执行这类算法很棒的框架。作者曾表示，V0.6版本也支持遗传编程，所以在不久的将来，该框架将更倾向于作为一个进化的计算框架，而不只是简单地遗传算法框架。

　　擅长：遗传算法的神经网络

　　NuPIC

　　Nupic是另一个库，与标准的机器学习算法相比，它提供了一些不同的功能。它基于一个称作层次时间记忆（HTM）的新皮层理论，。HTMs可以看作是一类神经网络，但在一些理论上有所不同。

　　从根本上说，HTMs是一个分层的、基于时间的记忆系统，可以接受各种数据。这意味着会成为一个新的计算框架，来模仿我们大脑中的记忆和计算是如何密不可分的。对于理论及其应用的详细说明，请参阅 白皮书。

　　擅长：HTMs

　　Pattern

　　此库更像是一个“全套”库，因为它不仅提供了一些机器学习算法，而且还提供了工具来帮助你收集和分析数据。数据挖掘部分可以帮助你收集来自谷歌、推特和维基百科等网络服务的数据。它也有一个Web爬虫和HTML DOM解析器。“引入这些工具的优点就是：在同一个程序中收集和训练数据显得更加容易。

　　在文档中有个很好的例子，使用一堆推文来训练一个分类器，用来区分一个推文是“win”还是“fail”。

　　from pattern.web import Twitter

　　from pattern.en import tag

　　from pattern.vector import KNN， count

　　twitter， knn = Twitter（）， KNN（）

　　for i in range（1， 3）：

　　for tweet in twitter.search（‘#win OR #fail’， start=i， count=100）：

　　s = tweet.text.lower（）

　　p = ‘#win’ in s and ‘WIN’ or ‘FAIL’

　　v = tag（s）

　　v = ［word for word， pos in v if pos == ‘JJ’］ # JJ = adjective

　　v = count（v） # {‘sweet’： 1}

　　if v：

　　knn.train（v， type=p）

　　print knn.classify（‘sweet potato burger’）

　　print knn.classify（‘stupid autocorrect’）

　　首先使用twitter.search（）通过标签‘#win’和‘#fail’来收集推文数据。然后利用从推文中提取的形容词来训练一个K-近邻（KNN）模型。经过足够的训练，你会得到一个分类器。仅仅只需15行代码，还不错。

　　擅长：自然语言处理（NLP）和分类。

　　Caffe

　　Caffe是面向视觉应用领域的机器学习库。你可能会用它来创建深度神经网络，识别图像中的实体，甚至可以识别一个视觉样式。

　　Caffe提供GPU训练的无缝集成，当你训练图像时极力推荐使用此库。虽然Caffe似乎主要是面向学术和研究的，但它对用于生产使用的训练模型同样有足够多的用途。

　　擅长：神经网络/视觉深度学习

　　Statsmodels

　　Statsmodels是另一个聚焦在统计模型上的强大的库，主要用于预测性和探索性分析。如果你想拟合线性模型、进行统计分析，或者预测性建模，那么Statsmodels非常适合。它提供的统计测试相当全面，覆盖了大部分情况的验证任务。如果你是R或者S的用户，它也提供了某些统计模型的R语法。它的模型同时也接受Numpy数组和Pandas数据帧，让中间数据结构成为过去！

　　与其他语言集成

　　你不了解Python但是很擅长其他语言？不要绝望！Python（还有其他）的一个强项就是它是一个完美的胶水语言，你可以使用自己常用的编程语言，通过Python来访问这些库。以下适合各种编程语言的包可以用于将其他语言与Python组合到一起：

　　R -》 RPython

　　Matlab -》 matpython

　　Java -》 Jython

　　Lua -》 Lunatic Python

　　Julia -》 PyCall.jl

　　不活跃的库

　　这些库超过一年没有发布任何更新，我们列出是因为你有可能会有用，但是这些库不太可能会进行BUG修复，特别是未来进行增强。

　　MDP

　　MlPy

　　FFnet

　　PyBrain