g u t x .com.tr İpek yolu - Çin'i anlamaya götürürüm

Python ile makine öğrenimi için toplanması gereken önemli bir kitaplık

Bu makale, AI Araştırma Enstitüsü tarafından derlenen, orijinal başlığı olan teknik bir blogdur:

Python'da Makine Öğrenimi için temel kitaplıklar

Yazar | Shubhi Asthana

Tercüme | Sadece 2

Düzeltme | Sadece 2 Bitirme | Ananas Kız

Orijinal bağlantı:

https://medium.freecodecamp.org/essential-libraries-for-machine-learning-in-python-82a9ada57aeb

Python ile makine öğrenimi için toplanması gereken önemli bir kitaplık

Python, genellikle iş yerinde istatistiksel teknikler veya veri analistleri uygulayanlar tarafından tercih edilen dil olarak kullanılır. Veri bilimcileri ayrıca python'u kendi çalışmaları ile WEB uygulama / üretim ortamı entegrasyonu arasında bir bağlantı olarak kullanacaklar.

Python, makine öğrenimi alanında çok iyidir. Tutarlı bir sözdizimine, daha kısa geliştirme süresine ve esnekliğe sahiptir ve doğrudan üretim sistemine eklenebilen karmaşık modeller ve tahmin motorları geliştirmek için çok uygundur.

Python'un en büyük varlıklarından biri geniş kitaplığıdır.

Bir kütüphane, belirli bir dilde yazılmış programların ve işlevlerin bir koleksiyonudur. Sağlam bir kitaplık kümesi, geliştiricilerin çok fazla kodu yeniden yazmak zorunda kalmadan karmaşık görevleri gerçekleştirmesini kolaylaştırabilir.

Makine öğrenimi büyük ölçüde matematiğe dayalıdır. Özellikle matematiksel optimizasyon, istatistik ve olasılıktır. Python kitaplığı, geliştirici bilgisine sahip olmayan araştırmacıların / matematikçilerin kolayca "makine öğrenimi yapmasına" yardımcı olur.

Aşağıdakiler, makine öğreniminde en sık kullanılan kitaplıklardan bazılarıdır:

Scikit-learn klasik makine öğrenimi algoritması

Scikit-learn, en popüler makine öğrenimi kitaplıklarından biridir ve birçok denetimli öğrenmeyi ve denetimsiz öğrenme algoritmasını destekler. Örneğin: doğrusal regresyon, lojistik regresyon, karar ağacı, kümeleme, k-ortalamaları vb.

İki python kütüphanesine dayanmaktadır: Numpy ve Scipy. Ortak makine öğrenimi ve veri madenciliği için bir dizi algoritma sağlar: kümeleme, regresyon ve sınıflandırma. Veri dönüştürme, özellik seçimi ve entegre öğrenme gibi görevler bile birkaç kısa kod satırı ile gerçekleştirilebilir.

Makine öğreniminde yeni olanlar için, Scikit-learn, daha karmaşık algoritmaları kendiniz uygulamaya başlayana kadar yararlı bir araçtır.

Derin Öğrenme için Tensorflow

Makine öğrenimi dünyasındaysanız, bir tür derin öğrenme algoritması duymuş, denemiş veya uygulamış olabilirsiniz. Ama gerekli midir? Cevap gereksiz olabilir. Ama bitirdikten sonra havalı geliyor, değil mi? Cevap Evet! Harika.

Tensorflow'un ilginç yanı, kod yazmak için python kullandığınızda, onu CPU veya GPU'nuzda derleyip çalıştırabilirsiniz ve bir GPU kümesinde çalıştırmak için C ++ veya CUDA kodu yazmanıza gerek yoktur.

Büyük veri kümelerine sahip yapay sinir ağlarını hızla sürdürmenize, eğitmenize ve dağıtmanıza olanak tanıyan çok katmanlı bir düğüm sistemi kullanır. Bu, Google'ın fotoğraflardaki nesneleri tanımasına ve konuşulan dildeki kelimeleri anlamak için konuşma tanıma programlarını kullanmasına olanak tanır.

Theano ayrıca Derin Öğrenme içindir

Theano, Numpy'ye benzer şekilde sayısal hesaplamalar için mükemmel bir kitaplıktır. Theano, çok boyutlu dizileri içeren matematiksel ifadeleri verimli bir şekilde tanımlamanıza, optimize etmenize ve değerlendirmenize olanak tanır.

Theano'yu benzersiz kılan, bilgisayarın GPU'sunu kullanmasıdır. Bu, veri yoğun hesaplamaları yalnızca CPU üzerinde çalıştırmaya göre 100 kat daha hızlı gerçekleştirmeyi mümkün kılar. Theano'nun hızı, onu derin öğrenme ve diğer karmaşık bilgi işlem görevleri için özellikle değerli kılar.

Theano kütüphanesinin son sürümü geçen yıl-2017 idi. Sürüm 1.0.0 birçok yeni özellik, arayüz değişikliği ve iyileştirme içeriyor.

Pandalar veri çıkarma ve ön işleme

panda, basit, kullanımı kolay ve sezgisel üst düzey veri yapıları sağlayan çok popüler bir kitaplıktır.

Gruplandırmak, verileri birleştirmek ve filtrelemek ve zaman serisi analizi gerçekleştirmek için birçok yerleşik yönteme sahiptir.

Panda; SQL veritabanları, CSV, Excel, JSON dosyaları gibi farklı kaynaklardan kolaylıkla veri alabilir ve veriler üzerinde işlemler gerçekleştirebilir. Kütüphanenin iki ana yapısı vardır:

Seri "seri" -bir boyutlu.

Veri Çerçeveleri "veri çerçevesi" -iki boyutlu.

Çerçeveyi görmek için dizilerin ve verilerin nasıl kullanılacağı hakkında daha fazla ayrıntı öğrenmek istiyorsanız, lütfen diğer makalelerime göz atın.

Veri görselleştirme için Matplotlib

Diğer insanlarla iyi iletişim kuramıyorsanız, o zaman en iyi ve en karmaşık makine öğrenimi anlamsızdır.

Peki, bu verilerden değeri nasıl dönüştürürsünüz? İş analistlerine nasıl ilham verir ve onlara "içgörü" ile dolu bir "hikaye" anlatırsınız?

Matplotlib burada devreye giriyor. Her veri bilimcinin 2D grafikler ve grafikler oluşturmak için kullandığı standart Python kitaplığıdır. Basit bir komut satırıdır, yani bazı gelişmiş kitaplıkları kullanmak yerine iyi görünümlü grafikler ve şekiller oluşturmak için daha fazla komuta ihtiyaç duyar.

Ancak bu aynı zamanda esneklik de getiriyor. Yeterli komutla, istediğiniz herhangi bir grafiği oluşturmak için Matplotlib'i kullanabilirsiniz. Histogramlardan ve dağılım grafiklerinden Kartezyen olmayan grafiklere kadar farklı grafikler oluşturabilirsiniz.

Tüm işletim sistemlerinde farklı GUI arka uçlarını destekler ve ayrıca grafikleri PDF, SVG, JPG, PNG, BMP, GIF vb. Gibi yaygın vektör ve grafik formatlarına aktarabilir.

Seaborn başka bir veri görselleştirme kitaplığıdır

Seaborn, Matplotlib tabanlı popüler bir görselleştirme kitaplığıdır. Gelişmiş bir kitaplıktır, yani ısı haritaları, zaman serileri ve keman grafikleri dahil olmak üzere belirli grafik türlerini oluşturmanın daha kolay olduğu anlamına gelir.

Sonunda

Bu, makine öğrenimindeki en önemli Python kitaplıklarının bir koleksiyonudur. Python ve veri bilimini kullanmayı planlıyorsanız, bu kütüphaneler görülmeye ve aynı zamanda aşinalığınıza değer.

Herhangi bir önemli Python ML kitaplığını özledim mi? Öyleyse, aşağıdaki yorumlarda bundan bahsetmeyi unutmayın. En yararlı kütüphaneleri tanıtmaya çalışsam da, çalışmaya değer başka kütüphaneler sunamayabilirim.

Sorularınız veya önerileriniz Görüşlerinizi duymak isterim - lütfen mesaj bırakmaktan çekinmeyin.

Bu makalenin ilgili bağlantılarını ve referanslarını görüntülemeye devam etmek ister misiniz?

Bağlantıya uzun basın ve alt kısmı açmak için tıklayın veya tıklayın [python ile makine öğrenimi için toplanması gereken önemli kitaplıklar]:

https://ai.yanxishe.com/page/TextTranslation/1119

AI Araştırma Enstitüsü heyecan verici içerikleri günlük olarak güncelliyor ve daha heyecan verici içerikler izliyor: Lei Feng Wang Lei Feng Wang Lei Feng Wang