正确使用方法。熟练掌握机器学习工具有利于操作数据、训练模型、发现新方法和创建自己的算法。如今，大量机器学习工具、平台和软件不断涌现。其实深耕只需要选一朵，随随便便的花就会渐渐养眼。面对纷繁复杂的工具，难免眼花缭乱。本文将介绍专家最常用的15款机器学习工具，专家们为何不入手同样的工具呢！Accord.netAccord.net是一个带有图像和音频包的计算机器学习框架。此类包有助于训练模型和创建交互式应用程序，如试听、计算机视觉等。由于工具名称包含.net，因此框架的基础库是C#语言。图片来源：accord-frameworkAccord库在测试和处理音频文件时非常有用。RapidMinerRapidMiner是非程序员用户的福音，它是一个界面非常漂亮的数据科学平台。RapidMiner独立于平台，可在跨平台操作系统上运行。有了这个工具，人们可以用自己的数据测试自己的模型。此外，RapidMiner的界面也非常人性化。用户只需拖放即可。这也是它对非程序员非常友好的主要原因。Scikit-LearnScikit-Learn是一个开源机器学习包。它是一个多功能的集成平台，可用于回归、聚类、分类、降维和预处理。Scikit-Learn建立在三个主要的Python库之上，即NumPy、Matplotlib和SciPy。除此之外，它还有助于测试和模型训练。TensorFlowTensorFlow是一个用于大规模和数值机器学习的开源框架。它是机器学习和神经网络模型的集合，是Python的好朋友。它最大的特点是可以在CPU和GPU上运行。TensorFlow通常用于自然语言处理和图像分类。WekaWeka也是开源软件，用户可以通过图形用户界面访问Weka。该软件非常人性化，经常用于研究和教学。此外，Weka还允许用户访问其他机器学习工具，例如：R、Scikit-Learn等。KnimeKnime是一种基于图形用户界面(GUI)的开源机器学习工具。即使没有任何编程知识，您仍然可以利用Knime提供的工具。Knime通常用于与数据相关的目的，例如数据操作、数据挖掘等。Knime通过创建和执行不同的工作流来处理数据。它的存储库有许多不同的节点，可以通过将这些节点带入Knime门户来创建和执行。PytorchPytorch是一个既快速又灵活的深度学习框架，这是因为Pytorch可以很好地指挥GPU。它是机器学习最重要的工具之一，因为它用于机器学习的最重要方面，包括构建深度神经网络和张量计算。Pytorch完全基于Python。除此之外，它还是NumPy的绝佳替代品。GoogleCloudAutoMLGoogleCloudAutoML的目标是让每个人都能使用人工智能。GoogleCloudAutoML为用户提供预训练模型来创建文本识别、语音识别等各种服务。GoogleCloudAutoML在公司中非常受欢迎。企业希望将人工智能应用到行业的各个领域，但由于市场上成熟的AI人才，其企业应用一直面临困难。JupyterNotebookJupyternotebook是使用比较广泛的机器学习工具之一，是一个非常快速的处理工具，也是一个高效的平台。它支持三种语言：Julia、R、Python。Jupyter的名字也是这三种编程语言的组合。JupyterNotebook允许用户以笔记本的形式存储和共享动态代码，也可以通过GUI访问，如winpythonnavigator和anacondanavigator等。AzureMachineLearningstudioAzureMachineLearningstudio是微软发布的，就像谷歌的CloudAutoML一样，这是微软的一款产品，为用户提供机器学习服务。Azure机器学习工作室是设置模块和数据集连接的一种非常简单的方法，Azure还旨在为用户提供AI能力。与TensorFlow一样，它也运行在CPU和GPU上。Orange3Orange3是一款数据挖掘软件，是Orange软件的新版本。Orange3协助预处理、数据可视化和其他与数据相关的工作。用户可以通过AnacondaNavigator访问Orange3。在Python编程中，这确实很有帮助。此外，它还充当了一个不错的用户界面。与Mahout一样，MLLIB也是ApacheSpark的产物。它用于回归、特征提取、分类、过滤等。也俗称SparkMLLIB，具有非常好的速度和效率。IBMWatsonIBMWatson是IBM使用Watson提供的Web界面。Watson是一个基于自然语言处理的人机交互问答系统。Watson被应用于自动学习、信息抽取等各个领域。IBMWatson经常被用于研究和测试，目的是为用户提供类人的体验。ApacheMahout由Apache推出，Apache是一种基于Hadoop的开源平台，通常用于机器学习和数据挖掘，支持回归、分类和集群等技术。它还使用基于数学的函数，如向量等。Pylearn2Pylearn2是一个构建在Theano之上的机器学习库，它们之间有许多相似的函数。它还可以执行数学计算。Pylearn2还能够在CPU和GPU上运行。需要注意的是，用户在进入Pylearn2之前必须熟悉Theano。本文介绍一些比较流行和广泛使用的机器学习工具，它们都运行在不同的编程语言中，有些运行在Python上，有些运行在C++上，有些运行在Java上。选择适合您的并尝试一下。只码不看书不是好习惯~
