本文轉載自公眾號“讀芯術”(ID：AI_Discovery)

機器學習是一項令人驚嘆的技術，而發揮其潛能的關鍵在于，你得掌握正確的使用方法。精通機器學習工具有利于處理數據、訓練模型、發現新方法以及創建自己的算法。

[[323780]]

如今，大量的機器學習工具、平臺和軟件不斷涌現。而實際上你只需要選擇一種進行深耕，亂花漸欲迷人眼，面對紛繁復雜的工具，難免會挑花了眼。本文將介紹專家們最常用的15個機器學習工具，不如來get專家同款工具吧!

Accord.net

Accord.net是一個計算機器學習框架，配有圖像和音頻包。這樣的軟件包有助于訓練模型和創建交互式應用程序，例如試聽、計算機視覺等。由于工具名中包含.net，因此該框架的基礎庫是C#語言。

圖源：accord-framework

Accord庫在測試和處理音頻文件中非常有用。

RapidMiner

對于于非程序員用戶而言，RapidMiner算是福音，它是一個數據科學平臺，具有非常出色的界面。RapidMiner獨立于平臺，可以在跨平臺操作系統上工作。

借助該工具，人們可以使用自己的數據測試自己的模型。

此外，RapidMiner的界面也非常人性化。用戶只需要拖放即可。這也是它對非程序員非常友好的主要原因。

Scikit-Learn

Scikit-Learn是一個開放源代碼的機器學習包。它是一個多用途集成平臺，可以用來進行回歸、聚類、分類、降維和預處理。Scikit-Learn創建于三個主要的Python庫之上，即NumPy、Matplotlib和SciPy。除此之外，它還有助于測試以及模型訓練。

TensorFlow

TensorFlow是一個開源框架，適用于大規模及數值機器學習。它是機器學習和神經網絡模型的集合，也是Python的好朋友，它比較大的特點是可以在CPU和GPU上運行。

TensorFlow常用于自然語言處理和圖像分類。

Weka

Weka也是開源軟件，用戶可以通過圖形用戶界面訪問Weka。該軟件非常人性化，也常被應用于研究和教學中。此外，Weka還允許用戶訪問其他機器學習工具，例如：R、Scikit-Learn等。

Knime

Knime是一個基于圖形用戶界面(Graphical UserInterface，GUI)的開源機器學習工具。即使沒有任何編程知識，你仍然可以利用Knime提供的工具。Knime通常用于與數據相關的目的，比如數據操縱、數據挖掘等。

Knime通過創建并執行不同的工作流程來處理數據，它的存儲庫帶有很多不同節點，將這些節點帶入Knime門戶就能創建并執行節點的工作流程。

Pytorch

Pytorch是一個深度學習框架，既快速又靈活，這是因為Pytorch可以很好地命令GPU。它是機器學習最重要的工具之一，因為它被用于機器學習最重要的方面，包括構建深度神經網絡和張量計算。

Pytorch完全基于Python。除此之外，它還是NumPy的優秀替代工具。

Google Cloud AutoML

Google Cloud AutoML的目標是使所有人都能使用人工智能。Google Cloud AutoML為用戶提供了預訓練模型，以便創建各種服務，例如文本識別、語音識別等。

Google Cloud AutoML在公司中非常受歡迎。公司希望將人工智能應用于行業的各個領域，但由于市場上成熟的AI人才，因此它的企業應用一直面臨著困難。

Jupyter Notebook

Jupyter notebook是使用比較廣泛的機器學習工具之一，是一個非常快速的處理工具，也是一個高效的平臺。它支持三種語言：Julia、R、Python。

Jupyter的名稱也是由這三種編程語言組合而成。Jupyter Notebook允許用戶以筆記本的形式存儲和共享動態代碼，也可以通過GUI訪問它，例如winpythonnavigator和anacondanavigator等。

Azure Machine Learning studio

Azure機器學習工作室由Microsoft發布，就像Google的Cloud AutoML一樣，這是Microsoft的產品，可為用戶提供機器學習服務。

Azure機器學習工作室是建立模塊和數據集連接的一種非常簡單的方法。，Azure還旨在為用戶提供AI功能。與TensorFlow一樣，它也可以在CPU和GPU上運行。

Orange3

Orange3是一款數據挖掘軟件，它是Orange軟件的新版本。Orange3協助預處理、數據可視化以及其他與數據相關的工作。用戶可以通過AnacondaNavigator訪問Orange3。在Python編程中，這確實很有幫助。此外，它還可以充當一個不錯的用戶界面。

MLLIB

與Mahout一樣，MLLIB也是Apache Spark的產品。它用于回歸、特征提取、分類、過濾等。通常也稱之為Spark MLLIB，它具有非常好的速度和效率。

IBM Watson

IBM Watson是IBM提供的使用Watson的網頁界面，Watson是基于自然語言處理的人機交互問答系統。Watson應用于各個領域，例如自動學習、信息提取等。

IBM Watson通常用于研究和測試，其目的是為用戶提供類似人的體驗。

Apache Mahout

Mahout由基于Hadoop的開源平臺Apache啟動，通常用于機器學習和數據挖掘，它使諸如回歸、分類和聚類之類的技術成為可能。它還利用了基于數學的函數，如向量等。

Pylearn2

Pylearn2是建立在Theano之上的機器學習庫，它們之間有許多相似的功能。它還可以執行數學計算。Pylearn2也能夠在CPU和GPU上運行。需要注意的是，在進入Pylearn2之前，用戶必須熟悉Theano。

本文介紹的是一些比較流行和廣泛使用的機器學習工具，所有這些工具都使用不同的編程語言運行，其中一些工具在Python上運行，一些在C ++上運行，而另一些在Java上運行。

選擇適合你的試試吧，只碼不看可不是好習慣~