Есть ли рекомендованный пакет для машинного обучения в Python?
У меня есть предыдущий опыт внедрения разнообразного машинного обучения и статистических алгоритмов в С++ и MATLAB, но проделал определенную работу на Python Мне интересны доступные пакеты для Python.
AFAIK, Orange может быть лучшим выбором на данный момент.
PyML тоже хорошо.
PyMC для байесовской оценки.
и есть книга "Машиноведение: алгоритмическая перспектива", В книге много примеров кода Python, возможно, стоит прочитать.
и есть сообщение в блоге: Прагматическая классификация с Python.
Только мои два цента.
Существует также scikit-learn (BSD, только зависимости от numpy и scipy). Он включает в себя различные контролируемые алгоритмы обучения, такие как:
В нем также представлены неконтролируемые алгоритмы кластеризации, такие как:
А также другие инструменты, такие как:
Каждая реализация алгоритма поставляется с образцовыми программами, демонстрирующими ее использование либо на данных игрушек, либо в наборах данных реальной жизни.
Кроме того, официальный репозиторий источника размещен на github, поэтому, пожалуйста, не стесняйтесь вносить исправления и улучшения, используя регулярную функцию запроса на запрос для интерактивного кода обзор.
Общий удобный пакет Orange - вроде как Weka или RapidMiner, если вы знакомы с ними.
Кроме этого, существует множество пакетов и наборов инструментов для различных задач. В качестве отправной точки вы должны проконсультироваться с пакетами Python, указанными в mloss.
Вы можете посмотреть:
http://www.shogun-toolbox.org/, который имеет интерфейсы для нескольких языков, включая python. Там также http://www.pybrain.org/, который (я считаю) является нативной реализацией ML-алгоритмов. Надеюсь, что это поможет.
Для поддержки векторных машин посмотрите LibSVM, которые, среди прочего, имеют интерфейс Python.
Учебники по глубокому обучению описывают, как развивать и обучать глубокие нейронные сети. В используемой библиотеке используется графический процессор Nvidia, если он доступен.
Я дал Orange попробовать.
Это мощный, но если вы просмотрите документацию, вы поймете, что у автора свой собственный безумный стиль написания Python. Его код становится довольно загадочным, если вы относительно новичок в Python, поэтому я бы не рекомендовал Orange, если вы не знакомы с Python.
Вероятно, связанные вопросы при переполнении стека:
Библиотека искусственной интеллигенции в python.
Какая лучшая библиотека искусственного интеллекта для Python?
http://www.pymvpa.org может работать.
Я не уверен, что вы назовете это машинное обучение, но пакет nltk использует классификацию текста в байесовском стиле. Вы можете использовать данные обучения и тестовые данные, чтобы увидеть, что он выводит правила о данных.
Это отличный список, сделанный SciPy из многих известных пакетов Python, среди прочего, связанное с машинным обучением: Искусственный интеллект и машинное обучение
Взгляните на Модульный инструментарий для обработки данных (MDP). Он реализует несколько алгоритмов из машинного обучения и статистики, и он созрел и хорошо документирован.
Если вы ищете нейронную сеть, привязка python для fann довольно проста в использовании, и приходят с инструментами для обучения ваших сетей.
SVMlight иногда является удобной альтернативой LibSVM! LibSVM также фантастичен.