Python经典机器学习的四大常用的第三方库

Python编程中，几乎都离不开第三方库。更何况是入门人工智能工作，Python是入门必备，第三方库特别是科学计算机器学习库就是入门中的入门。我们这里既然说机器学习，当然和深度学习是不一样的。所以机智客的意思是，对同一项工作任务，深度学习和机器学习两种方法不同库都能做的时候，我们侧重于机器学习角度，所以这里我们肯定不介绍Tensorflow之类的库。Python机器学习离不开第三方库，而我们常用的库，往往就那么几种。这里只介绍四个常用的第三方库。

 

 

Pandas库，数据处理数据清洗的专用库。做机器学习或者深度学习，就是和数据打交道。那么首先数据处理是首当其冲不可或缺的。那么，就需要import基本的数据处理库。比如我们在做机器学习中会看到很多数据集格式是csv，这个就可以用Pandas来处理。Pandas这个也是Python编程中常用得不能再常用的软件包了。

 

 

 

Numpy库。数据分析必备，也是数据计算的基础。换言之，也是机器学习深度学习的前辈基石。这个基本不用介绍了吧，即便不做机器学习，如果接触计算机视觉的朋友，也知道这个大名鼎鼎的库。Numpy属于够底层够灵活够简单的强大机器学习库，或者叫矩阵计算库，甚至深度学习框架都以它对张量进行操作，从某种意义上讲，可能深度学习优于Numpy库的一个明显特点就是支持利用GPU硬件加速了吧。

 

 

sk-learn库，基于上述的numpy和Scipy的库。包含大量用于传统机器学习和数据挖掘相关的算法，集成了常见的机器学习功能。从名字也能看出来，这是科学计算学习库，而且这个库还被评为用于处理复杂数据的最优秀机器学习库之一呢。我们在机器学习工作中几个常见的训练算法比如逻辑回归，KNN等它都有。这个库，常用的功能就是对数据集的加载、下载或创建生成，要知道它本身也自带一些小的数据集，我们可以拿来就用。

 

 

Matplotlib库。Python编程语言中最常用的数据可视化第三方库。它是绘图领域广泛使用的软件，类似 MATLAB 的绘图工具，而到了机器学习领域，则成了我们观察训练情况、输出数据结果、数据可视化的好帮手。做好了前面的数据处理，开始了数据训练，如果没有个进度或可视化展现，我们就往往难以把控进展，无法看到过程变化、验证和看到输出结果。