Python机器学习工具库，分门别类排列好，再也不怕找不到工具了

本文经AI新媒体量子位（公众号 ID: QbitAI）授权转载，转载请联系出处”。

用Python搞机器学习、数据科学，需要很多相关的资料，各种库、工具，都是常用、常找、常查的内容。

最近，维也纳的数据科学家Florian Rohrer把这类相关资料整理成了一个Python机器学习工具合辑，可以照着更新一下自己的收藏夹了。

四十几类项目

整个列表中，包含超过40类内容：

核心工具、Pandas和Jupyter、文本提取、大数据、统计、特征提取、可视化、地理工具、推荐系统、决策树、NLP、CV、神经网络、GPU、聚类、机器学习可解释性、强化学习……

具体都有什么呢?比如第一部分核心工具：

pandas、scikit-learn这些常用的库都有，直接链接到它们的GitHub或者官网页面。

再比如说可视化部分：

包括可以生成3D效果图的physt：

做各种统计图表的Yellowbrick：

这哪怕是做PPT，都非常有用啊!

资源列表大集结

另外，项目贡献者还安利了几个GitHub上不错的资源列表：

大部分都是几百几千星的资源表，也有不少标星数万的经典内容，比如awesome-machine-learning：

各种语言项目都有，是真的awesome。

常用代码

最后，还有一个部分是“经常Google的内容”。

可能对大家有用的代码：

传送门

最后，送上资源传送门：

https://github.com/r0f1/datascience

【编辑推荐】

1. GitHub超过3000赞的「机器学习路线图」，教你升级打怪全攻略
2. 不是码农，也能看懂的“机器学习”原理
3. 处理机器学习中不平衡类的5种策略
4. 人工智能机器学习的12个关键词，更深入了解人工智能
5. AI与机器学习：大忽悠还是大希望？

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!