Библиотеки Python для машинного обучения

Что такое «библиотека Python»?

Если вдуматься, она очень похожа на обычную библиотеку, в которой собраны самые разные книги. В библиотеке Python имеется несколько уникальных модулей, называемых файлами Python. Задействование их в программных проектах избавляет от необходимости раз за разом писать куски кода для часто используемых функций.

5 Библиотек Python для машинного обучения

1. NumPy

Представляет собой библиотеку общего назначения для обработки массивов. Имеет большой набор встроенных функциональных возможностей.

Вот как работает стандартный NumPy. Ещё один пример смотрите по ссылке.

2. SciPy

SciPy  —  это усовершенствованный вариант NumPy. Если NumPy содержит функционал, предназначенный для базовых математических приложений, то SciPy беспроблемно работает даже с полиномами, подынтегральными функциями, различными преобразованиями, визуализацией данных и т. д.

Код доступен по ссылке.

3. Scikit-learn

Для разработки алгоритмов машинного обучения как нельзя лучше подходит библиотека Scikit-learn. Она помогает в предварительной обработке данных, создании модели и подгонки данных в ней. Здесь также имеются модули для прогнозирования, получения матрицы путаницы, точности модели и т. д.

Код доступен по ссылке.

4. Pandas

Пакеты Pandas содержат многочисленные инструменты для анализа данных, а также методы фильтрации данных. Здесь есть возможность считывать данные из различных форматов, таких как CSV, MS Excel и других.

Если данные в формате CSV, используется pandas.read_csv(“csv_filename.csv”). А если в формате Excel, то для удобного импортирования данных задействуется pandas.read_excel(“excel_filename.xlsx”).

Для хранения данных вPandas имеются две основные структуры данных:

1) Series. Подобно одномерному массиву, который хранит данные любого типа, здесь меняются значения, но не размер series.

2) DataFrame. Размер dataframe можно поменять. Здесь данные отображаются в формате строк и столбцов с дополнительным индексом.

В дополнение к приведённому выше фрагменту кода посмотреть, как с помощью Pandas реализуется data wrangling, т. е. подготовка наборов данных для последующей обработки и анализа, можно по ссылке.

5. Matplotlib

А эта библиотека используется для визуализации данных. Данные в matplotlib визуализируются в форматах точечных, столбчатых, круговых диаграмм, гистограмм, линейных графиков и т. д.

Matplotlib имеет в своём арсенале базовые инструменты графического отображения. Широкое применение нашла и работающая поверх matplot библиотека Seaborn, предоставляющая интерфейс, благодаря которому диаграммы и графики выглядят более эстетичными и привлекательными.

Чтобы подробнее узнать о Seaborn и его приложениях, загляните сюда.