Python常用的深度学习及机器学习库有哪些?

　　众所周知，Python在诸多领域都有非常优异的表现，比如：人工智能、机器学习、深度学习、网络爬虫、游戏开发、数据分析等，而在不同的领域中Python还内置了很多第三方库，拿来即用，十分方便，也正因如此Python在机器学习和深度学习领域得到了很好的应用。那么Python常用的深度学习及机器学习库有哪些?本文为大家介绍10个python常用机器学习及深度学习库!

　　1、Ilastik

　　Ilastik能够给用户提供良好的基于机器学习的生物信息图像分析服务，利用机器学习算法，轻松地分割，分类，跟踪和计算细胞或其他实验数据。大多数操作都是交互的，并不需要机器学习专业知识。

　　2、NLTK

　　NLTK是构建Python程序以处理自然语言的库。它为50多个语料库和词汇资源提供了易于使用的接口，以及一套用于分类、分词、词干、标记、解析和语义推理的文本处理库、工业级自然语言处理库的包装器。

　　3、spaCy

　　spaCy是一个免费的开源库，用于Python中的高级NLP。它可以用于构建处理大量文本的应用程序;也可以用来构建信息提取或自然语言理解系统，或者对文本进行预处理以进行深度学习。

　　4、Matplotlib

　　Matplotlib是Python的绘图库，它提供了一整套和matlab相似的命令API，可以生成出版质量级别的精美图形，Matplotlib使绘图变得简单，在易用性和性能间取得了优异的平衡。

　　5、Seaborn

　　Seaborn是在matplotlib的基础上进行了更高级的API封装的Python数据可视化库，从而使得作图更加容易，应该把Seaborn视为Matplotlib的补充，而不是替代物。

　　6、Orange

　　Orange是一个开源的数据挖掘和机器学习软件，提供了一系列的数据探索、可视化、预处理以及建模组件。Orange拥有漂亮直观的交互式用户界面，非常适合新手进行探索性数据分析和可视化展示;同时高级用户也可以将其作为Python的一个编程模块进行数据操作和组件开发。

　　7、PyBrain

　　PyBrain是Python的模块化机器学习库。它的目标是为机器学习任务和各种预定义的环境提供灵活、易于使用且强大的算法来测试和比较算法。

　　8、Milk

　　Milk是Python语言的机器学习工具包。它主要是包含许多分类器比如SVMS、K-NN、随机森林以及决策树种使用监督分类法，它还可执行特征选择，可以形成不同的例如无监督学习、密切关系传播和由MILK支持的K-means聚类等分类系统。

　　9、Keras

　　Keras是一个用Python编写的高级神经网络API，它能够以TensorFlow、CNTK或者Theano作为后端运行。Keras的开发重点是支持快速的实验，能够以{BANNED}最佳小的时延把想法转换为实验结果。

　　10、CNTK

　　CNTK是一个深度学习工具包，通过有向图将神经网络描述为一系列计算步骤。在这个有向图中，叶节点表示输入值或网络参数，而其他节点表示对其输入的矩阵运算。CNTK可以轻松地实现和组合流行的模型类型，如CNN等。