机器学习-自我解释不包括主要用于构建神经网络或用于自动化机器学习过程的库

数据可视化-与建模预处理等相反主要提供与数据可视化相关的功能的库。

Apache

https://github.com/apache/spark

Apache

https://github.com/pandas-dev/pandas

Pandas是一个Python软件包提供了快速灵活和可表达的数据结构旨在使使用“关系”或“标记”数据既简单又直观。

它旨在成为在Python中进行实用真实世界数据分析的基本高级构建块。

3.Dask

Pie”是用于数学科学和工程的开源软件。

它包括用于统计优化积分线性代数傅立叶变换信号和图像处理ODE求解器等的模块。

Numpy

https://github.com/scikit-learn/scikit-learn

Scikit-learn是一个基于SciPy的Python机器学习模块并以3条款BSD许可分发。

XGBoost

等的可扩展便携式和分布式梯度增强GBDTGBRT或GBM库。

在单机HadoopSparkFlink和DataFlow上运行

LightGBM

https://github.com/microsoft/LightGBM

基于决策树算法的快速分布式高性能梯度提升GBTGBDTGBRTGBM或MART框架用于排名分类和许多其他机器学习任务。

9.Catboost

https://github.com/catboost/catboost

快速可扩展高性能的“决策树上的梯度提升”库用于对PythonRJavaC

进行排名分类回归和其他机器学习任务。

支持在CPU和GPU上进行计算。

10.

https://github.com/davisking/dlib

star9500贡献7868贡献者146

https://github.com/spotify/annoy

star7700贡献778贡献者53

Python中的近似最近邻居已针对内存使用情况以及加载/保存到磁盘进行了优化

12.H20ai

适用于更智能应用的开源快速可扩展机器学习平台深度学习梯度提升和XGBoost随机森林广义线性建模逻辑回归弹性网K均值PCA堆叠集成自动机器学习AutoML等。

13.

https://github.com/statsmodels/statsmodels

14.

https://github.com/mlpack/mlpack

15.Pattern

https://github.com/clips/pattern

star7600贡献1434贡献者20

用于Python的Web挖掘模块具有用于抓取自然语言处理机器学习网络分析和可视化的工具。

16.Prophet

https://github.com/facebook/prophet

star11500贡献595贡献者106

用于为具有多个季节性且线性或非线性增长的时间序列数据生成高质量预测的工具。

自动化机器学习

https://github.com/EpistasisLab/tpot

star7500贡献2282贡献者66

一个Python自动化机器学习工具可使用遗传编程来优化机器学习pipeline。

18.

auto-sklearnhttps://github.com/automl/auto-sklearn

star4100贡献2343贡献者52

auto-sklearn是一种自动化的机器学习工具包是scikit-learn估计器的直接替代品。

19.

https://github.com/hyperopt/hyperopt-sklearn

star1100贡献188贡献者18

Hyperopt-sklearn是scikit-learn中机器学习算法中基于Hyperopt的模型选择。

20.

https://github.com/automl/SMAC3

star529贡献1882贡献者29

scikit-optimizehttps://github.com/scikit-optimize/scikit-optimize

star1900贡献1540贡献者59

Scikit-Optimize或skopt是一个简单高效的库可最大限度地减少非常昂贵且嘈杂的黑盒功能。

它实现了几种基于顺序模型优化的方法。

22.

https://github.com/facebookresearch/nevergrad

star2700贡献663贡献者38

https://github.com/optuna/optuna

star3500贡献7749贡献者97

Optuna是一个自动超参数优化软件框架专门为机器学习而设计。

24.

https://github.com/apache/incubator-superset

Apache

https://github.com/matplotlib/matplotlib

Matplotlib是一个综合库用于在Python中创建静态动画和交互式可视化。

26.Plotly

https://github.com/plotly/plotly.py

star7900贡献4604贡献者137

Plotly.py是适用于Python的交互式基于开源和基于浏览器的图形库

27.

https://github.com/mwaskom/seaborn

star7700贡献2702贡献者126

Seaborn是基于matplotlib的Python可视化库。

它提供了用于绘制吸引人的统计图形的高级界面。

28.folium

Folium建立在Python生态系统的数据处理能力和Leaflet.js库的映射能力之上。

用Python处理数据然后通过folium在可视化的Leaflet贴图中显示。

29.

https://github.com/bqplot/bqplot

star2900贡献3178贡献者45

Bqplot是Jupyter的二维可视化系统基于图形语法的构造。

30.

3D数据可视化库。

VisPy通过OpenGL库利用现代图形处理单元GPU的计算能力来显示非常大的数据集。

31.

https://github.com/pyqtgraph/pyqtgraph

star2200贡献2200贡献者142

Bokeh是用于现代Web浏览器的交互式可视化库。

它提供通用图形的优雅简洁的构造并在大型或流数据集上提供高性能的交互性。

33.Altair

https://github.com/altair-viz/altair

star600贡献3031贡献者106

Altair是用于Python的声明性统计可视化库。

使用Altair您可以花费更多时间来理解数据及其含义。

解释与探索

eli5https://github.com/TeamHG-Memex/eli5

35.

ttps://github.com/marcotcr/lime

star800承诺501贡献者41

https://github.com/slundberg/shap

star10400贡献1376贡献者96

https://github.com/DistrictDataLabs/yellowbrick

star300贡献825贡献者92

https://github.com/pandas-profiling/pandas-profiling

原文链接