Data science

โปรเจ็กต์แมชชีนเลิร์นนิงที่สามารถทำได้โดยใช้ Python

โปรเจ็กต์แมชชีนเลิร์นนิงชั้นนำให้คุณได้ลองใช้กับแมชชีนเลิร์นนิงเป็นสาขาหนึ่งของปัญญาประดิษฐ์ (AI) และวิทยาการคอมพิวเตอร์ที่เน้นการใช้ข้อมูลและอัลกอริทึมเพื่อเลียนแบบวิธีที่มนุษย์เรียนรู้ โดยค่อยๆ ปรับปรุงความแม่นยำ Scikit-learn 18845 กระทำ 60 ผู้ร่วมให้ข้อมูล www.github.com/scikit-learn/ scikit-learn scikit-learn เป็นโมดูล Python สำหรับแมชชีนเลิร์นนิงที่สร้างขึ้นบน SciPy ซึ่งมีอัลกอริธึมการจำแนกประเภท การถดถอย และการจัดกลุ่มต่างๆ รวมถึงเครื่องเวกเตอร์สนับสนุน การถดถอยโลจิสติก อ่าวไร้เดียงสา ป่าสุ่ม การเพิ่มระดับความชัน ค่า k และ DBSCAN และได้รับการออกแบบมาเพื่อทำงานร่วมกับไลบรารีตัวเลขและวิทยาศาสตร์ของ Python NumPy และ SciPy Pylearn2 4392 กระทำ 117 ผู้ร่วมให้ข้อมูล www.github.com/lisa-lab/ pylearn2 Pylearn2 เป็นห้องสมุดที่ออกแบบมาเพื่อให้การวิจัยแมชชีนเลิร์นนิงเป็นเรื่องง่าย เป็นห้องสมุดที่อิงตาม Theano NuPIC 4392 คอมมิชชัน 27 ผู้ร่วมให้ข้อมูล www .github.com/numenta/nupic แพลตฟอร์ม Numenta สำหรับคอมพิวเตอร์อัจฉริยะ (NuPIC) เป็นแพลตฟอร์มอัจฉริยะของเครื่องที่ใช้อัลกอริทึมการเรียนรู้ HTM HTM เป็นทฤษฎีการคำนวณโดยละเอียดของนีโอคอร์เท็กซ์ หัวใจสำคัญของ HTM ​​คืออัลกอริธึมการเรียนรู้ต่อเนื่องตามเวลาที่จัดเก็บและเรียกคืนรูปแบบเชิงพื้นที่และเวลา NuPIC เหมาะสมกับปัญหาที่หลากหลาย โดยเฉพาะอย่างยิ่งการตรวจจับความผิดปกติและการทำนายแหล่งข้อมูลการสตรีม Nilearn 943 กระทำ 28 ผู้ร่วมให้ข้อมูล www.github.com /nilearn/nilearn Nilearn เป็นโมดูล Python สำหรับการเรียนรู้ทางสถิติที่รวดเร็วและง่ายดายบนข้อมูล NeuroImaging มันใช้ประโยชน์จากกล่องเครื่องมือ Python ที่เรียนรู้ scikit สำหรับสถิติหลายตัวแปรด้วยแอปพลิเคชัน เช่น การสร้างแบบจำลองการคาดการณ์ การจัดประเภท การถอดรหัส หรือการวิเคราะห์การเชื่อมต่อ PyBrain 497 กระทำ 27 ผู้ร่วมให้ข้อมูล www.github .com/pybrain/pybrain PyBrain ย่อมาจาก Python-Based Reinforcement Learning, Artificial Intelligence และ Neural Network Library เป้าหมายของมันคือการนำเสนออัลกอริธึมที่ยืดหยุ่น ใช้งานง่าย แต่ยังคงทรงพลังสำหรับงานการเรียนรู้ของเครื่อง และสภาพแวดล้อมที่กำหนดไว้ล่วงหน้าที่หลากหลายเพื่อทดสอบและเปรียบเทียบอัลกอริทึมของคุณ รูปแบบ 943 กระทำ 20 ผู้ร่วมให้ข้อมูล www .github.com/clips/pattern Pattern เป็นโมดูลการขุดเว็บสำหรับ Python มีเครื่องมือสำหรับการขุดข้อมูล การประมวลผลภาษาธรรมชาติ การวิเคราะห์เครือข่าย และการเรียนรู้ของเครื่อง รองรับโมเดลพื้นที่เวกเตอร์, การจัดกลุ่ม, การจำแนกประเภทโดยใช้ KNN, SVM, Perceptron Fuel 497 กระทำ 12 ผู้ร่วมให้ข้อมูล www.github.com/mila-udem/fuel Fuel จัดเตรียมแบบจำลองการเรียนรู้ของเครื่องของคุณด้วยข้อมูลที่จำเป็นต้องเรียนรู้ มันมีอินเทอร์เฟซไปยังชุดข้อมูลทั่วไปเช่น MNIST, CIFAR-10 (ชุดข้อมูลรูปภาพ), One Billion ของ Google คำ (ข้อความ). ช่วยให้คุณสามารถทำซ้ำข้อมูลของคุณได้หลายวิธี เช่น ในกลุ่มย่อยที่มีตัวอย่างแบบสับเปลี่ยน/เรียงตามลำดับ Bob 5080 กระทำการ ผู้ร่วมให้ข้อมูล www.github .com/idiap/bob Bob เป็นกล่องเครื่องมือประมวลผลสัญญาณและแมชชีนเลิร์นนิงฟรี กล่องเครื่องมือนี้เขียนด้วยภาษา Python และ C++ ผสมกัน และได้รับการออกแบบมาให้มีประสิทธิภาพและลดเวลาในการพัฒนา ประกอบด้วยแพ็คเกจจำนวนมากพอสมควรซึ่งใช้เครื่องมือสำหรับการประมวลผลภาพ เสียงและวิดีโอ การเรียนรู้ของเครื่อง และการจดจำรูปแบบ Skdata 441 , ผู้ร่วมให้ข้อมูล www.github.com/jaberg/skdata Skdata เป็นไลบรารีของชุดข้อมูลสำหรับเครื่อง การเรียนรู้และสถิติ โมดูลนี้ช่วยให้ Python เข้าถึงปัญหาของเล่นได้มาตรฐาน เช่นเดียวกับคอมพิวเตอร์วิทัศน์ยอดนิยมและชุดข้อมูลการประมวลผลภาษาธรรมชาติ MILK 687 ดำเนินการ ผู้มีส่วนร่วม 9 ราย www.github.com/luispedro/milk Milk เป็นชุดเครื่องมือการเรียนรู้ของเครื่องใน Python มุ่งเน้นไปที่การจัดประเภทภายใต้การดูแลที่มีตัวแยกประเภทหลายตัวที่พร้อมใช้งาน: SVM, k-NN, ฟอเรสต์สุ่ม, แผนผังการตัดสินใจ นอกจากนี้ยังทำการเลือกคุณสมบัติ ตัวแยกประเภทเหล่านี้สามารถรวมกันได้หลายวิธีเพื่อสร้างระบบการจำแนกประเภทที่แตกต่างกัน สำหรับการเรียนรู้แบบไม่มีผู้ดูแล นมสนับสนุนการจัดกลุ่ม k-mean และการขยายพันธุ์ตามความชอบ

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button