通常，人们使用两种编程语言之一来应用机器学习(ML)方法和算法：Python或R.关于机器学习的书籍，课程和教程通常也使用这些语言中的一种(或两者)。 Python是一种通用编程语言，不仅用于机器学习，还用于科学计算，后端Web开发，桌面应用程序等.R主要用于统计学家。但是，它们至少有两个共同特征： 它们适合非程序员 他们有全面的ML库 在许多情况下，ML算法在Fortran，C，C ++或Cython中实现，并从Python或R调用。 Java也用于机器学习，但通常由专业程序员使用。 在过去的几年中，JavaScript得到了普及，并且出现了一些非常有趣的机器学习库，可以在浏览器或Node.js上实现ML方法。令人惊讶的是，许多这些库在JavaScript中实现了大量代码。 ml.js ml.js是一个全面的，通用的JavaScript ML库，适用于浏览器和Node.js. 它提供了以下例程： 对数组，哈希表，排序，随机数生成等的位操作。 线性代数，数组操作，优化(Levenberg-Marquardt方法)，统计 交叉验证 监督学习 无监督学习 支持的监督学习方法是： 线性，多项式，指数和幂回归 K-最近邻居 朴素贝叶斯 支持向量机 决策树和随机森林 前馈神经网络等 此外，ml.js提供了几种无监督的学习方法： 主成分分析 聚类分析(k均值和层次聚类) 自组织地图(Kohonen网络) TensorFlow.js TensorFlow是最受欢迎的机器学习库之一。它侧重于人工神经网络的各种类型和结构，包括深度网络以及网络的组件。 TensorFlow由Google Brain Team创建，使用C ++和Python编写。但是，它可以与包括JavaScript在内的多种语言一起使用。 TensorFlow是一个非常全面的库，仍然可以轻松地构建和培训模型。它支持各种各样的网络层，激活功能，优化器和其他组件。它具有良好的性能并提供GPU支持。 TensorFlow.js是一个用于浏览器或Node.js的JavaScript ML库。它支持WebGL。 brain.js brain.js是一个用JavaScript编写的库 – 专注于训练和应用前馈和循环神经网络。它还提供其他实用程序，例如神经网络所需的数学例程。 它提供了高级选项，如： 使用GPU训练网络 可以并行适应多个网络的异步培训 交叉验证是一种更复杂的验证方法 brain.js将模型保存到JSON文件或从中加载模型。 ConvNetJS ConvNetJS是神经网络和深度学习的另一个库。它可以在浏览器中训练神经网络。除了分类和回归问题，它还有强化学习模块(使用Q学习)仍然是实验性的。ConvNetJS为在图像识别方面表现优异的卷积神经网络提供支持。 在ConvNetJS中，神经网络是层的列表。它提供以下层： 输入(第一个)图层 完全连接的层 卷积层 汇集层 局部对比度归一化层 分类器丢失(输出)层：softmax和svm 使用L2的回归损失(输出)层 它支持几个重要的激活功能，如： RELU 乙状结肠 双曲正切 MAXOUT 以及优化器如： 随机梯度下降 Adadelta AdagradS ConvNetJS还提供了一种方便的方法来保存和加载JSON文件的模型。 执照：麻省理工学院。 WebDNN WebDNN是一个专注于深度神经网络的图书馆，包括具有LSTM架构的递归神经网络。它使用TypeScript和Python编写，并提供JavaScript和Python API。 它还提供了在浏览器中执行GPU的可能性。 WebDNN的一个非常方便的功能是可以转换和使用PyTorch，TensorFlow，Keras，Caffemodel或Chainer预训练的模型。 natural natural是一个用于Node.js的自然语言处理的JavaScript库。 它支持： 标记化(将文本分解为字符串数组) 弦距离的计算 匹配相似的字符串 分类(朴素贝叶斯，逻辑回归和最大熵) 情感分析(目前有八种语言) 语音匹配，inflectors，n-gram等 结论 在过去的几年里，JavaScript和机器学习都得到了很多关注和普及。尽管最初是为了实现网页的动态行为而创建的，但JavaScript成为实现和应用机器学习方法的首选语言之一，尤其是在浏览器或服务器(Node.js)中。 本文提供了有关JavaScript机器学习库可用性的初始信息。 作者：爱码农_今日头条原文链接：https://www.toutiao.com/a6713703479807836685/ 转载请注明：www.ainoob.cn » 2019年用于JavaScript的6大机器学习库 喜欢 (0)or分享 (0)