本文转载自公众号“读芯术”(ID：AI_Discovery)
机器学习是一项令人惊叹的技术，而发挥其潜能的关键在于，你得掌握正确的使用方法。精通机器学习工具有利于处理数据、训练模型、发现新方法以及创建自己的算法。
如今，大量的机器学习工具、平台和软件不断涌现。而实际上你只需要选择一种进行深耕，乱花渐欲迷人眼，面对纷繁复杂的工具，难免会挑花了眼。本文将介绍专家们最常用的15个机器学习工具，不如来get专家同款工具吧!
Accord.net
Accord.net是一个计算机器学习框架，配有图像和音频包。这样的软件包有助于训练模型和创建交互式应用程序，例如试听、计算机视觉等。由于工具名中包含.net，因此该框架的基础库是C#语言。
图源：accord-framework
Accord库在测试和处理音频文件中非常有用。
RapidMiner
对于于非程序员用户而言，RapidMiner算是福音，它是一个数据科学平台，具有非常出色的界面。RapidMiner独立于平台，可以在跨平台操作系统上工作。
借助该工具，人们可以使用自己的数据测试自己的模型。
此外，RapidMiner的界面也非常人性化。用户只需要拖放即可。这也是它对非程序员非常友好的主要原因。
Scikit-Learn
Scikit-Learn是一个开放源代码的机器学习包。它是一个多用途集成平台，可以用来进行回归、聚类、分类、降维和预处理。Scikit-Learn创建于三个主要的Python库之上，即NumPy、Matplotlib和SciPy。除此之外，它还有助于测试以及模型训练。
TensorFlow
TensorFlow是一个开源框架，适用于大规模及数值机器学习。它是机器学习和神经网络模型的集合，也是Python的好朋友，它比较大的特点是可以在CPU和GPU上运行。
TensorFlow常用于自然语言处理和图像分类。
Weka
Weka也是开源软件，用户可以通过图形用户界面访问Weka。该软件非常人性化，也常被应用于研究和教学中。此外，Weka还允许用户访问其他机器学习工具，例如：R、Scikit-Learn等。
Knime
Knime是一个基于图形用户界面(Graphical UserInterface，GUI)的开源机器学习工具。即使没有任何编程知识，你仍然可以利用Knime提供的工具。Knime通常用于与数据相关的目的，比如数据操纵、数据挖掘等。
Knime通过创建并执行不同的工作流程来处理数据，它的存储库带有很多不同节点，将这些节点带入Knime门户就能创建并执行节点的工作流程。
Pytorch
Pytorch是一个深度学习框架，既快速又灵活，这是因为Pytorch可以很好地命令GPU。它是机器学习最重要的工具之一，因为它被用于机器学习最重要的方面，包括构建深度神经网络和张量计算。
Pytorch完全基于Python。除此之外，它还是NumPy的优秀替代工具。
Google Cloud AutoML
Google Cloud AutoML的目标是使所有人都能使用人工智能。Google Cloud AutoML为用户提供了预训练模型，以便创建各种服务，例如文本识别、语音识别等。
Google Cloud AutoML在公司中非常受欢迎。公司希望将人工智能应用于行业的各个领域，但由于市场上成熟的AI人才，因此它的企业应用一直面临着困难。
Jupyter Notebook
Jupyter notebook是使用比较广泛的机器学习工具之一，是一个非常快速的处理工具，也是一个高效的平台。它支持三种语言：Julia、R、Python。
Jupyter的名称也是由这三种编程语言组合而成。Jupyter Notebook允许用户以笔记本的形式存储和共享动态代码，也可以通过GUI访问它，例如winpythonnavigator和anacondanavigator等。
Azure Machine Learning studio
Azure机器学习工作室由Microsoft发布，就像Google的Cloud AutoML一样，这是Microsoft的产品，可为用户提供机器学习服务。
Azure机器学习工作室是建立模块和数据集连接的一种非常简单的方法。，Azure还旨在为用户提供AI功能。与TensorFlow一样，它也可以在CPU和GPU上运行。
Orange3
Orange3是一款数据挖掘软件，它是Orange软件的新版本。Orange3协助预处理、数据可视化以及其他与数据相关的工作。用户可以通过AnacondaNavigator访问Orange3。在Python编程中，这确实很有帮助。此外，它还可以充当一个不错的用户界面。
MLLIB
与Mahout一样，MLLIB也是Apache Spark的产品。它用于回归、特征提取、分类、过滤等。通常也称之为Spark MLLIB，它具有非常好的速度和效率。
IBM Watson
IBM Watson是IBM提供的使用Watson的网页界面，Watson是基于自然语言处理的人机交互问答系统。Watson应用于各个领域，例如自动学习、信息提取等。
IBM Watson通常用于研究和测试，其目的是为用户提供类似人的体验。
Apache Mahout
Mahout由基于Hadoop的开源平台Apache启动，通常用于机器学习和数据挖掘，它使诸如回归、分类和聚类之类的技术成为可能。它还利用了基于数学的函数，如向量等。
Pylearn2
Pylearn2是建立在Theano之上的机器学习库，它们之间有许多相似的功能。它还可以执行数学计算。Pylearn2也能够在CPU和GPU上运行。需要注意的是，在进入Pylearn2之前，用户必须熟悉Theano。
本文介绍的是一些比较流行和广泛使用的机器学习工具，所有这些工具都使用不同的编程语言运行，其中一些工具在Python上运行，一些在C ++上运行，而另一些在Java上运行。
选择适合你的试试吧，只码不看可不是好习惯~
