python人工智能學(xué)習(xí)什么框架？

感謝邀請回答。

人工智能現(xiàn)在有2個(gè)方向。

一。機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)首先要介紹的是sklearn，這個(gè)是開源的基于python語言的機(jī)器學(xué)習(xí)工具包。其中包含了有分類、回歸、聚類、降維、模型選擇、預(yù)處理等大多數(shù)機(jī)器學(xué)習(xí)算法包和數(shù)據(jù)處理包。

預(yù)處理：特征提取和歸一化。

分類：識(shí)別某個(gè)對象屬于哪個(gè)類別

回歸：預(yù)測與對象相關(guān)聯(lián)的連續(xù)值屬性

聚類：將相似對象自動(dòng)分組

降維：減少要考慮的隨機(jī)變量的數(shù)量

模型選擇：比較，驗(yàn)證，選擇參數(shù)和模型。

每種算法庫具體包含的具體算法如下。

除了sklearn外，機(jī)器學(xué)習(xí)三大神器GBDT、XGBoost、LightGBM也是參加競賽和優(yōu)化算法的必備。

GBDT用來做回歸預(yù)測，調(diào)整后也可以用于分類。

XGBoost能自動(dòng)利用cpu的多線程，而且適當(dāng)改進(jìn)了gradient boosting，在代價(jià)函數(shù)里加入了正則項(xiàng)，用于控制模型的復(fù)雜度。

lightGBM：基于決策樹算法的分布式梯度提升框架。相比于xgboost,速度更快 內(nèi)存消耗更低。是現(xiàn)在最常用的競賽快速提升神器。

說完了機(jī)器學(xué)習(xí)，就進(jìn)入人工智能的最神奇的深度學(xué)習(xí)了。

二。深度學(xué)習(xí)

在Python范圍內(nèi)，深度學(xué)習(xí)的框架真是百花齊放。最正統(tǒng)的就是TensorFlow。Google出品，出身名門。當(dāng)然，大宅門里不一定最好用，一直盯住TensorFlow使用中為人詬病的艱難語法，有好心人出了一個(gè)優(yōu)化版本，Keras，非常好用。在TensorFlow 2.0中干脆將Keras納入豪門，和TF合二為一了。

Theano 是諸多學(xué)習(xí)框架的“發(fā)言人”，用他寫代碼，可以保證你的深度學(xué)習(xí)代碼靈活實(shí)現(xiàn)算法，但這個(gè)框架學(xué)習(xí)比較困難。

如果搞科研，亞馬遜(Amazon)選擇的深度學(xué)習(xí)庫，并且也許是最優(yōu)秀的庫。但Mxnet幣Theano還難學(xué)，大家掂量著來吧。

另外，好用強(qiáng)大的FaceBook出品Pytorch你一定要試試。它完全地對動(dòng)態(tài)圖的支持讓人耳目一新。

謝謝大家，希望你看完本文后，能選擇適合你的Python人工智能框架。