机器学习的十大编程语言

虽然您可能认为机器学习只适合精通R和Python等语言的开发人员，但是您错了。

在线代码库GitHub汇集了10种最流行的用于机器学习的编程语言，虽然Python高居榜首，但也有一些令人惊讶的地方。

由web脚本语言演变而来的各种语言中，JavaScript排在第三位，专注于数据科学的新人和Python的竞争对手Julia排在第六位，Shell脚本被捆绑在一起排在第七位，最受欢迎的大数据Scala排在第十位。

根据GitHub的说法，排名是基于标记为与机器学习相关的代码库中使用的主要语言。

它们几乎肯定没有反映出机器学习最常用的语言是哪种。Kaggle最近对数据科学家进行的一项调查显示，Python是最流行的语言，而R是他们最可能在工作中使用的语言。

但是，如果您只知道JavaScript或其他与机器学习联系较少的语言，并且希望涉足计算机视觉或自然语言处理领域，那么最好知道这至少是可能的。(注:本文介绍了机器学习的十大编程语言，可免费下载)。

根据GitHub网站的数据，这些是GitHub上排名前十的机器学习语言。这篇文章也可以下载，GitHub上托管的十大机器学习语言(免费PDF)。

用于数据挖掘和数据分析的流行库，实现了广泛的机器学习算法。

机器学习从零开始:机器学习模型和算法的基本实现。

ChatterBot:一种用于创建聊天机器人的机器学习对话引擎

tensorflow:谷歌广泛使用的机器学习框架，具有各种语言的api。

LightGBM:微软的梯度增强框架，旨在帮助提高机器学习模型的训练速度和效率。

FlappyLearning:一个学习如何玩臭名昭著的FlappyBird游戏的程序。

AI模块:一个拖放式WYSIWYG编辑器，旨在允许任何人创建机器学习模型(也需要安装Python和tensorflow)。

ml5。js:旨在使机器学习可用的艺术家和非技术的学生提供访问机器学习算法和模型在浏览器。

Smile:一个快速而全面的系统，可以用Java和Scala实现机器学习、NLP、线性代数、图形、插值和可视化。

H20:一个用于分布式、可伸缩的机器学习的内存平台，可以在现有的大数据基础设施、裸机或现有的Hadoop或Spark集群上运行。

EasyML:一个通用的基于数据流的系统，旨在使机器学习算法更容易地应用于现实世界的任务。

ML代理:Unity游戏引擎的一个开源插件，它使游戏和模拟成为训练智能代理的环境。

net:一个面向。net的开源、跨平台的机器学习框架。

协议。NET:一个为。NET提供机器学习、统计、人工智能、计算机视觉和图像处理方法的框架。

通量。jl:一个机器学习库，旨在提供一种简单、直观的方式来定义模型。

Knet。jl:一个可以在gpu上运行的深度学习框架，支持使用动态计算图对模型进行自动微分。

最富。jl:提供运行在Flux机器学习库之上的计算机视觉模型。

Dl-machine:使用CUDA和用于深度学习的库来设置GPU进行计算的脚本。

一个用于多种机器学习工具的Dockerfile，旨在为各种机器学习工具包提供一个可访问和可复制的环境，重点是深度学习。

Docker-predictionio:用于基于预测的机器学习服务的Docker容器。

ML_for_Hackers:《黑客机器学习》一书附带的代码。

benchmark-ml:用于测量计算机学习算法的常用开源实现的可伸缩性、速度和准确性的最低基准。

R中的机器学习:该框架提供了监督机器学习方法(如分类、回归和生存分析)以及非监督机器学习方法(如聚类)的代码。

Windows机器学习:WindowsML提供了训练有素的机器学习模型，供开发人员在使用c#、c++和JavaScript构建的Windows应用程序中使用。

machinelearn。提供简单和一致的api与机器学习模型和算法交互，并教用户如何使用机器学习算法。

猜测。提供了一些库来简化预测数据分析的使用，以改善web上的用户体验。

aerosolve:一个机器学习库，设计初衷是为了对人类友好。

用于ApacheSpark的Microsoft机器学习:设计用于分布式计算框架ApacheSpark的工具。

一个CPU和gpu加速的机器学习库。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！