总结了一些常用的工具:

  • Numpy | 必用的科学计算基础包,底层由C实现,计算速度快。
  • Pandas | 提供了高性能、易用的数据结构及数据分析工具。
  • seaborn | 数据可视化

  • NLTK | 自然语言工具包,集成了很多自然语言相关的算法和资源。
  • Stanford CoreNLP | Stanford的自然语言工具包,可以通过NLTK调用。
  • Gensim | 主题模型工具包,可用于训练词向量,读取预训练好的词向量。
  • scikit-learn | 机器学习Python包 ,包含了大部分的机器学习算法。
  • XGBoostLightGBM | Gradient Boosting 算法的两种实现框架。
  • PyTorchTensorFlowKeras | 常用的深度学习框架。
  • StackNet | 准备好特征之后,可以直接使用的Stacking工具包。
  • Hyperopt | 通用的优化框架,可用于调参。

转载https://blog.csdn.net/u010899985/article/details/81626808

Logo

CSDN联合极客时间,共同打造面向开发者的精品内容学习社区,助力成长!

更多推荐