有没有一个推荐的软件包在Python机器学习？
有没有一个推荐的软件包在Python机器学习？
我有以前在C ++和MATLAB中实现各种机器学习和统计algorithm的经验，但是在Python中做了一些工作，我对Python的可用包感到好奇。
AFAIK， Orange可能是目前最好的select。
PyML也不错。
PyMC用于贝叶斯估计。
还有一本书“机器学习：一个algorithm的视angular”， 书中有很多Python代码的例子 ，可能值得一读。
还有一篇博客文章： Python的语用分类 。
只是我的两分钱。
还有scikit学习 （BSD，只依赖于numpy和scipy）。 它包括各种监督学习algorithm，如：
- 基于libsvm的SVM和线性scipy.sparse绑定广泛的function数据集
- 贝叶斯方法
- HMM模型
- L1和L1 + L2正则化回归方法，即用LARS和坐标下降algorithm实现的Lasso和Elastic Net模型
它还具有无监督的聚类algorithm，如：
- k均值++
- 均值漂移
- 亲和力传播
- 谱聚类
还有其他工具，如：
- 用于文本内容的特征提取器（标记和字符+散列vector化器）
- 单variables特征select
- 一个简单的pipe道工具
- 交叉validation策略的许多实现
- 绩效指标评估和绘图（ROC曲线，AUC，混淆matrix，…）
- 网格search实用程序使用并行交叉validation来执行超参数调整
- 与joblib集成，以便在交互式环境中工作时caching部分结果（例如，使用ipython）
每个algorithm实现都附带示例程序，演示其在玩具数据或实际生活数据集上的使用情况。
此外，官方的源代码仓库托pipe在github上，所以请随时用交互式代码审查的常规拉取请求function来贡献错误修正和改进。
一个普通的用户友好的软件包是橙色 – 如Weka或RapidMiner，如果你熟悉这些。
除此之外，还有各种各样的包和工具包用于各种任务。 您应该参考mloss上列出的Python包作为起点。
你可能想看看：
http://www.shogun-toolbox.org/ ，它有多种语言的接口，包括python。 也有http://www.pybrain.org/ ，这是（我相信）MLalgorithm的本地实现。 希望有所帮助。
对于支持向量机，看看其中包含Python接口的LibSVM 。
深度学习教程描述如何开发和训练深度neural network。 使用的库甚至使用Nvidia GPU（如果可用）。
在堆栈溢出可能相关的问题：
python中的人工智能库 。
什么是最好的Python人工智能库？
我给了Orange一个尝试。
它很强大，但是如果你仔细阅读文档，你会发现作者有他自己疯狂的Python编写风格。 如果你对Python比较陌生，那么他的代码就会变得非常神秘，所以除非你熟悉Python，否则我不会推荐Orange。
我不确定你是否确切地称这个机器学习，但nltk包做贝叶斯风格的文本分类。 您可以使用学习数据和testing数据来查看它是推断有关数据的规则。
这是SciPy完成的一个很好的清单，包括许多着名的Python软件包，其中包括机器学习相关的内容： 人工智能和机器学习
看看用于数据处理（MDP）的模块化工具包 。 它从机器学习和统计实现了几个algorithm，它是成熟的和有据可查的。
如果你正在寻找neural network，python绑定fann是很容易使用，并与工具来训练你的networking
SVMlight有时是LibSVM的替代scheme！ 不过，LibSVM也是太棒了。
