www。github。com/scikit-learn/scikit-learn
Scikit-learn是壹個基於Scipy的用於機器學習的Python模塊。其特點是多樣化的分類、回歸和聚類算法，包括支持向量機、邏輯回歸、樸素貝葉斯分類器、隨機森林、梯度提升、聚類算法和DBSCAN。而且還設計了Python數值和科學庫Numpy和Scipy 2，Keras(深度學習)。
/fchollet/keras
Keras是基於Theano的深度學習框架。它的設計參考了Torch，用Python語言編寫。它是壹個高度模塊化的神經網絡庫，支持GPU和CPU。
3.千層面(深度學習)
它不僅是壹道美味的意大利菜，也是壹個與Keras功能相似的深度學習庫，只是它的設計與它們有些不同。
4.Pylearn2
www。github。com/lisa-lab/pylearn2
Pylearn是壹個基於Theano的庫程序，它簡化了機器學習研究。它將深度學習和人工智能研究中許多常用的模型和訓練算法封裝到單個實驗包中，如隨機梯度下降。
5.努皮克
www。github。com/numenta/nupic
NuPIC是壹個以HTM學習算法為工具的機器智能平臺。HTM是壹種精確計算皮層的方法。HTM的核心是基於時間的連續學習算法和時空模式的存儲和撤銷。NuPIC適用於各種問題，尤其適用於異常檢測和流數據來源預測。
6.尼勒恩
www。github。com/nilearn/nilearn
Nilearn是壹個Python模塊，可以快速統計學習神經影像數據。它使用Python語言的scikit-learn工具箱和壹些用於預測建模、分類、解碼和連通性分析的應用程序來進行多元統計。
7.PyBrain
www。github。com/pybrain/pybrain
Pybrain是基於Python語言的強化學習、人工智能和神經網絡庫的簡稱。它的目標是提供靈活、易用和強大的機器學習算法，並通過在預定義的環境中進行各種測試來比較您的算法。
8.模式
www。github。com/clips/模式
Pattern是Python語言的網絡挖掘模塊。它為數據挖掘、自然語言處理、網絡分析和機器學習提供工具。它支持向量空間模型、聚類、支持向量機和感知器，並使用KNN分類方法進行分類。
9.燃料
www。github。com/mila-udem/fuel
Fuel為妳的機器學習模型提供數據。他有壹個* * *界面來享受數據集，如MNIST，CIFAR-10(圖像數據集)和谷歌的十億字(文本)。您可以用它來以多種方式替換自己的數據。
10.上下移動
www。github。com/idiap/bob
Bob是信號處理和機器學習的免費工具。它的工具箱是用Python和C++語言* *編寫的，設計目的是變得更高效，減少開發時間。它由大量處理圖像工具、音頻和視頻處理、機器學習和模式識別的軟件包組成。
11.Skdata
www。github。com/jaberg/skdata
Skdata是壹個用於機器學習和統計的數據集庫程序。這個模塊提供了標準Python語言在玩具問題、流行的計算機視覺和自然語言數據集上的使用。
12.牛奶
www。github。com/luispedro/milk
MILK是Python語言的機器學習工具包。它主要使用監督分類在許多可用的分類，如SVMS，K-NN，隨機森林和決策樹。它還執行特征選擇。這些分類器可以在許多方面進行組合，形成不同的分類系統，如無監督學習、相似性傳播和MILK支持的K-means聚類。
13.IEPY
www。github。com/machinalis/iepy
IEPY是壹個開源的信息抽取工具，專註於關系抽取。它主要針對需要從大型數據集提取信息的用戶和希望嘗試新算法的科學家。
14.古怪
www。github。com/machinalis/quepy
Quepy是通過改變自然語言問題，用數據庫查詢語言進行查詢的Python框架。可以簡單定義為自然語言和數據庫查詢中不同類型的問題。因此，您可以構建自己的系統來用自然語言訪問您的數據庫，而無需編碼。
Quepy現在支持Sparql和MQL查詢語言。並計劃將其擴展到其他數據庫查詢語言。
15.赫貝爾
www。github。com/hannes-brt/hebel
Hebel是壹個Python語言的神經網絡深度學習的庫程序。它使用PyCUDA來加速GPU和CUDA。它是神經網絡模型最重要的工具，可以提供壹些不同活動函數的激活函數，如冪、內斯特羅夫冪、信號丟失和停止方法。
16.mlxtend
www。github。com/rasbt/mlxtend
它是壹個庫程序，由有用的工具和日常數據科學任務的擴展組成。
17
www。github。com/dnouri/nolearn
這個包包含了大量的實用模塊，可以幫助妳完成機器學習任務。這些模塊中有許多與scikit-learn壹起工作，而其他模塊通常更有用。
18.蔓延
www。github。com/kvh/ramp
Ramp是壹個庫程序，它用Python語言設計出壹個解決方案來加速機器學習中的原型設計。它是基於熊貓的機器學習的輕量級可插拔框架，其現有的Python語言的機器學習和統計工具(如scikit-learn、rpy2等。)Ramp提供了簡單的聲明式語法探索功能，使得算法和轉換可以快速有效地實現。
19.特征偽造
www。github。com/machinalis/featureforge
這壹系列工具通過與scikit-learn兼容的API來創建和測試機器學習功能。
這個庫程序提供了壹套工具，會讓妳在很多機器學習程序中非常有用。當妳使用scikit-learn這個工具時，妳會覺得得到了極大的幫助。(雖然這只有在妳有不同算法的情況下才有效。)20.代表
www。github。com/yandex/rep
REP是壹個以和諧和可更新的方式指揮數據移動驅動程序的環境。
它有壹個統壹的分類器包來提供各種操作，如TMVA TMVA，Sklearn，XGBoost，uBoost等。並且它可以以並行的方式在壹組中訓練分類器。它還提供了壹個互動的情節。
21.Python學習機示例
Www.github.com/awslabs/machine-learning-samples是由亞馬遜的機器學習建立的壹個簡單的軟件集合。
22.Python-ELM
www。github。com/dclambert/Python-ELM
這是壹個基於scikit-learn用Python語言實現的極限學習機。
23.gensim
主題模型的Python實現
可擴展的統計語義
分析純文本文檔的語義結構檢索語義相似的文檔