最近小編學(xué)習(xí)了很久的機器學(xué)習(xí)算法，也正在積極的準(zhǔn)備找一些機器學(xué)習(xí)項目來練練手，對于編程工程能力不突出的小編來說，選擇困難癥犯了。

每次想要真正開始擼項目的時候，到底使用怎樣的工具去實現(xiàn)呢？是遵循網(wǎng)上強人的說法”不自己實現(xiàn)的算法都沒有靈魂”，還是說秉持選擇現(xiàn)有工具開發(fā)模型的一貫作風(fēng)呢？

在目前階段比較好的方式還是去選用已有的工具或者框架來協(xié)助開發(fā)。成熟的框架在算法優(yōu)化和全面上普遍都比個人開發(fā)要好，并且使用現(xiàn)有框架和工具能夠大大提高開發(fā)的效率，如果童鞋們還是想要了解算法開發(fā)和實現(xiàn)步驟，可以通過查看源碼及官方文檔進(jìn)行了解。

小編今天就給有機器學(xué)習(xí)開發(fā)需求，并對開發(fā)的工具有選擇困難癥的童鞋來推薦一些開源的框架。（小聲說，很多網(wǎng)上的工具推薦都是好幾個工具并列，這根本沒辦法治愈選擇困難癥好嘛！并且推薦的一些工具需要掌握的程度也沒有做一些介紹，都去詳細(xì)了解也會浪費一些時間好嘛?。?/p>

數(shù)據(jù)處理、分析工具

SQL語言（重要指數(shù)）

SQL語言作為一種通用的數(shù)據(jù)庫查詢語言，它的作用和強大自不用小編過多吹捧，不夸張的說，熟練掌握SQL語言在變化比閃電還快的互聯(lián)網(wǎng)行業(yè)5年內(nèi)不愁找不到工作。SQL語言不僅在關(guān)系型數(shù)據(jù)庫中應(yīng)用成熟，并且在許多大數(shù)據(jù)場景中應(yīng)用也非常廣泛，如：Hive、SparkSQL、Kafka、Flink等。

Pandas（重要指數(shù)）

Pandas作為Python數(shù)據(jù)處理、分析三架馬車（與Numpy和Scipy）之首，地位擺在那，自然功能也相應(yīng)的非常突出。它提供了各種高級的工具用于進(jìn)行數(shù)據(jù)分析。Pandas有許多內(nèi)置的方法用于分組統(tǒng)計、合并數(shù)據(jù)、數(shù)據(jù)篩選、以及時間序列操作。所有的這些操作都有出色的性能表現(xiàn)。因此，使用Pandas通常用于數(shù)據(jù)挖掘任務(wù)。

Numpy（重要指數(shù)）

Numpy是公認(rèn)的最受歡迎的Python數(shù)據(jù)分析、機器學(xué)習(xí)庫之一，數(shù)組接口是Numpy最佳及最重要的功能。這個接口可以用于把圖像、音頻、以及其他二進(jìn)制流數(shù)據(jù)表示為多維實數(shù)數(shù)組。Numpy同時也是許多高級類庫的底層庫。

Scipy（重要指數(shù)）

Scipy也是一個常用的Python數(shù)據(jù)分析庫，SciPy庫包含了優(yōu)化器、線性代數(shù)、積分、插值、快速傅立葉變換、信號和圖像處理、統(tǒng)計等子模塊。

總結(jié)一下，如果童鞋熟練使用python并手上有一個機器學(xué)習(xí)的活

學(xué)習(xí)優(yōu)先度：pandas》numpy》scipy》SQL

建議掌握程度：

pandas熟練掌握（因為它真的是你以后用得最多的東西）

numpy掌握少數(shù)內(nèi)容（numpy數(shù)組和一些創(chuàng)建矩陣、隨機數(shù)的一些方法），numpy通常適合被大神用來手寫算法，童鞋們初級階段暫可不必了解太深

scipy不太需要特殊掌握（用得著的時候臨時去找api即可，比如一些微積分、傅里葉變換、圖像處理的問題不太好處理，去找找scipy里的方法吧）

SQL熟練掌握（不解釋了，但是在僅熟練Python并需要立即上手完成機器學(xué)習(xí)和數(shù)據(jù)挖掘任務(wù)時，掌握SQL可以延后，但需要熟練掌握！）

機器學(xué)習(xí)、深度學(xué)習(xí)

Sklearn（重要指數(shù)）

Sklearn被認(rèn)為是最優(yōu)秀的機器學(xué)習(xí)庫甚至沒有之一，是一個基于Numpy與SciPy的Python庫。它包含了大量用于實現(xiàn)傳統(tǒng)機器學(xué)習(xí)和數(shù)據(jù)挖掘任務(wù)的算法，比如數(shù)據(jù)降維、分類、回歸、聚類、以及模型選擇等。

TensorFlow（重要指數(shù)）

如果你正在使用Python來從事機器學(xué)習(xí)項目，那么你一定聽說過它，最新版本2.0集合了pytorch的優(yōu)點，支持動態(tài)運算圖。也集成了keras，能夠以最簡便的方式搭建模型，可以說現(xiàn)在的Tensorflow在機器學(xué)習(xí)、深度學(xué)習(xí)領(lǐng)域簡直無所不能。

Pytorch（重要指數(shù)）

優(yōu)秀的深度學(xué)習(xí)框架。

Keras（重要指數(shù)-）

優(yōu)秀的深度學(xué)習(xí)腳手架，可以讓深度學(xué)習(xí)像搭積木那樣搭建起來。

Theano（重要指數(shù)-）

優(yōu)秀的深度學(xué)習(xí)框架。

總結(jié)一下，從小編對框架的描述篇幅可以看得出來：

學(xué)習(xí)優(yōu)先度：Tensorflow 》》 sklearn 》 pytorch（未包含的建議先不學(xué)）

建議掌握程度：

Tensorflow熟練掌握（這是日后用得非常多的框架，學(xué)習(xí)起來有一定難度，但真的常用）

Sklearn掌握少數(shù)內(nèi)容（sklearn需要熟練掌握其建模流程和規(guī)則，因為sklearn實在太規(guī)范了，它的學(xué)習(xí)較簡單，但是真的經(jīng)常會使用到，所以把sklearn當(dāng)成權(quán)威字典隨時去查，是小編比較建議的使用方式）

Pytorch可不掌握（框架精通一種即可，尤其tf2.0在支持動態(tài)圖以后，pytorch的優(yōu)勢也沒那么大了）

Keras 可不掌握（tf2.0已經(jīng)集成了keras，掌握tf2.0直接可以使用）

Theano 可不掌握

整體而言總結(jié)一下，需要花時間多學(xué)習(xí)的工具有：pandas、tensorflow、SQL語言，SQL語言可以等有時間之后再集中學(xué)習(xí)，不需要花太多時間去學(xué)習(xí)。把工具當(dāng)字典的有：sklearn、numpy、scipy，sklearn，需要掌握一些傳統(tǒng)機器學(xué)習(xí)建模流程和規(guī)則可以去github上找一些示例看，總體而言使用較簡單。其他的工具可以先放一放。小編說的夠清楚啦，關(guān)上你的手機，趕緊開始學(xué)習(xí)起來吧。