后端开发教程 - Java、Spring Boot 实战 - msg200.com
Python 人工智能：秘籍
TL;DR
不使用 Python 进入 AI 和 ML 领域非常困难，甚至可以说根本不可能。
因此，这里列出了一些适用于 AI 和 ML 模型的著名 Python 库。
这些库一直是 AI 领域的权威，并且将继续如此。
一、为你的人工智能构建应用程序
如果不能与非数据科学家/程序员分享，机器学习和人工智能还有什么意义呢？
让我们先从两个主要框架开始，它们可以帮助你通过 GUI 展示成果。
1- Taipy
Taipy 的创建是为了让数据科学家掌握开发可用于生产的应用程序的技能。
这个开源 Python 库旨在简化前端 (GUI) 和 ML/数据管道的开发。在定制化、性能和扩展性方面毫不妥协。
您的支持意义重大🌱，并在很多方面帮助我们，比如撰写文章！🙏
2- 格拉迪奥
这个 Python 库通过易于创建的基础应用程序，方便快速共享 AI/ML 模型。这是快速展示模型的绝佳方式。
二、人工智能和机器学习框架
现在让我们进入文章的主体部分，即有助于进入 ML/AI 的主要、最重要的 Python 库。
3- Scikit学习
这可能是 Python 最著名的三个库，名副其实。Sklearn
是机器学习领域的标杆。它包含不同的模型，例如 K 均值聚类、回归和分类算法。
它在降维技术方面也表现出色。Sklearn
还提供数据选择和验证功能。它易于学习/使用，应该成为您数据科学之旅中的首选机器学习库。
4- TensorFlow
这个库是神经网络建模的必备工具。它非常适合处理非结构化数据，例如图像分类或自然语言处理 (NLP)。TensorFlow 因其提供用于设计和操作神经网络的完整 API，广泛应用于科研和工业领域。
5-Pytorch
Pytorch 因其更加注重自然语言处理和更具 Python 风格而闻名，降低了 TensorFlow 的学习曲线。
6- Keras
Keras 是一个运行在 TensorFlow 等框架之上的高级 API。如果您打算从神经网络入门，不妨从 Keras 开始。它简化了实现流程，是快速实现神经网络的理想选择，也是初学者学习神经网络的最佳选择。
7. FastAI
该库简化了快速准确的神经网络的训练；它建立在 PyTorch 之上。
8-FLAML
这个库改变了游戏规则。它可以找到并测试适合您的数据和用例的最佳超参数和机器学习模型。
9-Catboost
如果您的数据集主要由分类数据组成，那么这个库（Categorical Boosting）就是您的最佳选择。它能够消除复杂的独热编码预处理难题，无需对分类数据进行预处理。在使用默认参数运行时，它可以提供比 XGBoost 更高的准确率。
10-PyCaret
这是一款出色的机器学习自动化工具。它只需少量代码，即可轻松自动化所有机器学习工作流程。
11-水
H20 是一个用户友好的机器学习平台，适用于更具创新性的应用。它速度快且可扩展。它包含深度学习、广义线性模型 (GLM)、主成分分析 (PCA)、RulkeFIt 等算法……
12-XGBoost
XGBoost 是最受欢迎的机器学习算法库之一。
这个梯度提升库在实际应用中被广泛使用，尤其适用于表格数据。
它深受 Kaggle 竞赛获胜者的喜爱。
该库不仅包含回归和分类算法，还提供特征选择工具。
13-TPOT
这个 AutoML 库将使用遗传编程优化您的机器学习管道。
14-聊天机器人
使用此库快速构建您的聊天机器人。您将能够增强用户参与度、互动和服务。
三、自然语言处理（NLP）
15-NTLK
NLTK 是自然语言处理的重要工具包。NLTK
的主要功能包括处理和操作文本（例如，标记化、词干提取等），以及使用 NLP 任务进行分类，例如进行情感分析。
16-SpaCy
它是该领域的新秀，专注于使 NLP 更易于访问和用户友好。
该库优化了流程，以确保惊人的速度和效率。
17-Gensim
该库专门用于主题建模和文档相似性 - 非常适合您的无监督文本用例和任务。
18-高频变压器
这是您执行高级 NLP 任务的工具。该库拥有最先进的自然语言处理模型和算法。
IV. 模型可视化与评估
19-Matplotlib
Matplotlib 是 Python 中的主要小部件库，这是有原因的。Matplotlib
支持绘制各种图表类型的二维图形，并且允许进行大量自定义。
对元素的细粒度控制是这个库的一大优势。
20-不平衡学习
这个库为您提供了处理不平衡数据的工具——当您的数据集远非平衡时，它可以成为救星。
21-形状
这个库可以帮助生成模型输出的解释。这是在黑灰盒模型中引入可解释性的好方法。
22-失踪
Missingo 是识别数据中缺失值的绝佳解决方案。它可帮助您快速将缺失值可视化，使这一过程更简单、更高效。
23-惰性预测
它有助于构建基准模型，无需大量代码即可进行比较和评估。对于机器学习新手来说，这是一款很棒的工具。它代码量低，可以帮您解决参数调整的麻烦。
24-类别编码器
这个库可以帮助你处理分类数据。它可以帮助构建基准模型，以便进行比较和评估，无需大量代码。该库与 Sklearn 兼容。
五、计算机视觉
25-OpenCV
OpenCV 提供了各种实时计算机视觉算法。
您可以处理多种格式，包括物体、人体和手写体。
玩得开心！
探索这些库将帮助你处理大多数 AI 和 ML 用例。Python 库不仅仅是工具，它们还参与 AI 领域的持续创新，所以一定要支持它们！
文章来源：https://dev.to/taipy/python-for-ai-cheatlist-33ec