人工智能是當前最熱門話題之一，機器學習技術是人工智能實現必備技能，Python編程語言含有最有用的機器學習工具和庫，以下是Python開發工程師必知的十大機器學習庫！

一、Scikit-Learn

在機器學習和數據挖掘的應用中，Scikit-Learn是一個功能強大的Python包，我們可以用它進行分類、特征選擇、特征提取和聚集。

二、Statsmodels

Statsmodels是另一個聚焦在統計模型上的強大的庫，主要用於預測性和探索性分析，擬合線性模型、進行統計分析或者預測性建模，使用 Statsmodels是非常合適的。

三、PyMC

PyMC是做“貝葉斯曲線”的工具，其包含貝葉斯模型、統計分布和模型收斂的診斷工具，也包含一些層次模型。

四、Gensim

Gensim被稱為“人們的主題建模工具”，其焦點是狄利克雷劃分及變體，其支持自然語言處理，能將NLP和其他機器學習算法更容易組合在一起，還引用了Google的基於遞歸神經網絡的文本表示法word2vec。

五、Orange

Orange是一種帶有圖形用戶界面的庫，在分類、聚集和特征選擇方法方面，相當齊全，還有交叉驗證的方法。

六、PyMVPA

PyMVPA是一種統計學習庫，包含交叉驗證和診斷工具，但沒有Scikit-learn全面。

七、Theano

Theano是最成熟的深度學習庫，它提供了不錯的數據結構表示神經網絡的層，對線性代數來說很高效，與Numpy的數組類似，很多基於Theano的庫都在利用其數據結構，它還支持開箱可用的GPU編程。

八、PyLearn

PyLearn是一個基於Theano的庫，它給Theano引入了模塊化和可配置性，可以通過不同的配置文件來創建神經網絡。

九、Hebel

Hebel是一個帶有GPU支持的神經網絡庫，可以通過YAML文件決定神經網絡的屬性，提供了將神級網絡和代碼友好分離的方式，並快速地運行模型，它是用純Python編寫，是很友好的庫，但由於開發不久，就深度和廣大而言，還有些匱乏！

十、Neurolab

Neurolab是一個API友好的神經網絡庫，其包含遞歸神經網絡實現的不同變體，如果使用RNN，這個庫是同類API中最好的選擇之一。

以上是Python開發工程師必知十大機器學習庫，除此之外，還有OverFeat、Nolearn以及Decaf等機器學習庫，在此就不一一介紹了，感興趣的可以深入學習一下！

2018年最受歡迎Python機器學習庫介紹