机器学习是一项令人惊讶的技术。如果以正确的方式使用它，这也是一个非常不堪重负的问题。建造一个在很大程度上表现得像人的机器将是多么迷人。精通机器学习工具将使您能够处理数据，训练模型，发现新方法并创建自己的算法。
机器学习带有大量ML工具，平台和软件。而且，机器学习技术也在不断发展。从一堆机器学习工具中，您需要选择其中任何一种以获得专业知识。本文列出了专家广泛使用的前15种机器学习工具。
Knime
Knime还是基于GUI的开源机器学习工具。关于Knime最好的是，它不需要任何编程知识。人们仍然可以利用Knime提供的设施。它通常用于与数据相关的目的。例如，数据操纵，数据挖掘等。
而且，它通过创建不同的各种工作流程来处理数据，然后执行它们。它带有充满不同节点的存储库。然后将这些节点带入Knime门户。最后，创建并执行节点的工作流程。
Accord.net
Accord.net是一个计算机器学习框架。它带有图像和音频包。这样的软件包有助于训练模型和创建交互式应用程序。例如，试听，计算机视觉等。
由于工具名中包含.net，因此该框架的基础库是C＃语言。Accord库在测试和处理音频文件中非常有用。
Scikit-Learn
Scikit-Learn是一个开放源代码的机器学习包。这是一个统一的平台，可用于多种用途。它有助于进行回归，聚类，分类，降维和预处理。Scikit-Learn基于三个主要的Python库即vi。NumPy，Matplotlib和SciPy。除此之外，它还将帮助您进行测试以及训练模型。
TensorFlow
TensorFlow是一个开源框架，适用于大规模ML和数值ML。它是机器学习和神经网络模型的混合器。而且，它也是Python的好朋友。
TensorFlow的最大特点是，它也可以在CPU和GPU上运行。自然语言处理，图像分类是实现此工具的工具。
Weka
欢迎下一个ML工具Weka。它也是开源软件。可以通过图形用户界面访问它。该软件非常人性化。该工具的应用是在研究和教学中。除此之外，Weka还允许您访问其他机器学习工具。例如，R，Scikit学习等。
Pytorch
Pytorch是一个深度学习框架。它既快速又灵活。这是因为Pytorch对GPU具有良好的命令。它是机器学习最重要的工具之一，因为它被用于ML的最重要方面，包括构建深度神经网络和张量计算。
Pytorch完全基于Python。除此之外，它是NumPy的最佳替代方案。
RapidMiner
对于非程序员，RapidMiner是个好消息。它是一个数据科学平台，具有非常出色的界面。RapidMiner在跨平台操作系统上工作时，与平台无关。
借助该工具，人们可以使用自己的数据以及测试自己的模型。它的界面非常人性化。您只需要拖放即可。这也是为什么它对非程序员也有益的主要原因。
GoogleCloudAutoML
GoogleCloudAutoML的目标是使所有人都能使用人工智能。GoogleCloudAutoML所做的是，它提供了针对用户的预训练模型，以创建各种服务。例如，文本识别，语音识别等。
GoogleCloudAutoML在公司中非常受欢迎。由于公司希望将人工智能应用于行业的各个领域，但由于市场上缺少熟练的AI人才，因此它们一直面临着困难。
Jupyter笔记本
Jupyter笔记本电脑是其中使用最广泛的机器学习工具之一。这是一个非常快速的处理过程，也是一个高效的平台。此外，它支持三种语言，viz.Julia,R,Python。
因此，Jupyter的名称是由这三种编程语言的组合形成的。JupyterNotebook允许用户以笔记本的形式存储和共享实时代码。也可以通过GUI访问它。例如，winpython导航器，anaconda导航器等。
ApacheMahout
Mahout由Apache启动，Apache是基于Hadoop的开源平台。它通常用于机器学习和数据挖掘。Mahout使诸如回归，分类和聚类之类的技术成为可能。除此之外，它还利用了基于数学的函数，例如向量等。
Azure机器学习工作室
Azure机器学习工作室由Microsoft启动。就像Google的CloudAutoML一样，这是Microsoft的产品，可为用户提供机器学习服务。Azure机器学习工作室是形成模块和数据集连接的一种非常简单的方法。
除此之外，Azure还旨在为用户提供AI功能。与TensorFlow一样，它也可以在CPU和GPU上运行。
MLIBB
与Mahout一样，MLLIB也是ApacheSpark的产品。它用于回归，特征提取，分类，过滤等。通常也称为SparkMLLIB。MLLIB具有非常好的速度和效率。
Orange3
Orange3是一种数据挖掘软件，它是Orange软件的最新版本。Orange3协助进行预处理，数据可视化以及其他与数据相关的工作。一个人可以通过AnacondaNavigator访问Orange3。这在Python编程中确实非常有帮助。除此之外，它还可以是一个不错的用户界面。
Watson
IBMWatson是IBM提供的用于使用Watson的Web界面。Watson是基于自然语言处理的人机交互问答系统。Watson应用于各个领域，例如自动学习，信息提取等。
IBMWatson通常用于研究和测试目的。其目的是为用户提供类似人的体验。
Pylearn2
Pylearn2是建立在Theano之上的机器学习库。因此，它们之间有许多相似的功能。除此之外，它还可以执行数学计算。Pylearn2也能够在CPU和GPU上运行。在进入Pylearn2之前，您必须熟悉Theano。
结论
因此，这些是一些最流行和广泛使用的机器学习工具。所有这些都表明了机器学习的先进性。所有这些工具都使用不同的编程语言并在其上运行。例如，其中一些运行在Python上，一些运行在C++上，而另一些运行在Java上。
转载请注明：http://www.0431gb208.com/sjszlfa/4402.html
