《零基础学机器学习》读书笔记四之Python和机器学习框架

一、机器学习快速上手路径续

1.4 Python和机器学习框架

1.4.1 机器学习和深度学习框架

Python的机器学习框架也就是各种Python库里面包含定义好的数据结构以及很多库函数、方法、模型等即API。
我们只需要选择一个适合的框架通过调用其中的API就可以快速建立机器学习模型了。
良好的框架不仅易于理解还支持并行化计算即硬件加速并能够自动计算微分、链式求导。

8个机器学习常用库

• Pandas和NumPy提供数据结构支持数学运算
• Matplotlib和Seaborn用于数据可视化
• 提供算法的4个库Scikit-learn是机器学习框架TensorFlow、Keras和PyTorch是深度学习框架。

1、Pandas

Pandas是基于NumPy的数据分析工具里面预置了大量库函数和标准数据结构可以高效地操作大型数据集。
Pandas预置数据结构有

• Series1D数组与NumPy中的一维数组array类似。与Python基本的数据结构列表list也很相似。
• TimeSeries以时间为索引的Series。
• DataFrame2D的表格型数据结构Series的容器。
• Panel3D的数组DataFrame的容器。

2、NumPy

NumPy是Python进行科学计算的基础库提供一个强大的多维数组对象array。
NumPy自带的向量化运算功能在机器学习中也属于不可或缺的功能。目前CPU和GPU都有并行处理的处理器能够无缝衔接NumPy的向量化运算大幅提升机器学习的效率。

3、Matplotlib

Matplotlib是Python及NumPy的可视化操作通过API提供嵌入式绘图功能。

4、Seaborn

Seaborn是在Matplotlib基础上设计出的绘图库可以直接画图。

5、Scikit-learn

简称Sklearn是一个相当强大的Python机器学习库也是简单有效的数据挖掘和数据分析工具。Sklearn基于NumPy、SciPy、Matplotlib构建功能涵盖了从数据预处理到训练模型以及性能评估的各个方面。

6、TensorFlow

TensorFlow是深度学习的设计利器。TensorFlow编程建立在”图“这个抽象的概念之上。

7、Keras

Keras建立在TensorFlow、CNTK或Theano这些后端框架之上。写Keras的时候是在对其后端进行调用相当于还是在TensorFlow上运行程序。

8、PyTorch

PyTorch是TensorFlow的竞争对手。里面所有的算法都是用Python写的。