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***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(***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***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***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。
