📜  用于机器学习和数据科学的 10 大 Javascript 库

📅  最后修改于: 2021-10-22 06:20:25             🧑  作者: Mango

JavaScript 是网络的编程语言,这使得它非常重要!然而,与 R 和Python相比,它主要用作 Web 开发中的脚本语言,与机器学习或数据科学没有太多关联。这是因为RPython特别适合数据科学或机器学习,具有大量支持库、社区成员和基础设施。然而,这几年,JavaScript 的火爆程度已经让越来越多的人为之疯狂!这就是为什么本文要讨论当今非常流行的10 个最流行的JavaScript 库

机器学习和数据科学 Javascript 库前 10 名

其中包括许多很棒的JavaScript库,现在用于机器学习和数据科学的不同实现,例如用于自然语言处理的 nlp.js 或妥协,用于数据可视化的 D3.js 或 Chart.js,以及 Brain.js、TensorFlow.js 等。用于通用机器学习。您可以在浏览器和后端使用 Node.js 使用这些库在 JavaScript 中实现机器学习或数据科学的所有这些方面。因此,事不宜迟,让我们现在检查一下这些库。

机器学习

1.Brain.js

Brain.js 是一个用于机器学习和神经网络的 JavaScript 库。它非常快,因为它使用 GPU 进行计算,并且在 GPU 不可用时还具有恢复到纯 JavaScript 的能力。 Brain.js 提供了各种类型的神经网络的实现,最好的是你不需要非常熟悉神经网络就可以使用这个库。您还可以将这些模型作为函数或以 JSON 格式导入,并将它们集成到您的网站中。

2. TensorFlow.js

TensorFlow.js 是 javascript 中的机器学习库,具有全面、灵活的各种机器学习工具、库和资源。您可以运行已经可用的官方 TensorFlow 模型,也可以转换您的Python模型。还有一些预先存在的机器学习模型,您可以使用自己的数据重新训练。您还可以在任何地方部署机器学习模型,包括云、浏览器、本地或设备,无论您使用何种语言。但是,TensorFlow.js 只是 TensorFlow 的一个版本,还有许多其他可用选项,例如用于移动设备的 TensorFlow Lite、用于完整体验的 TensorFlow Extended、用于 Rust 绑定的 TensorFlow Rust 等。

3. 突触

Synaptic 是为 node.js 和浏览器创建的 JavaScript 神经网络库。网络也可以作为独立函数导入或导出到 JSON。它们可以连接到其他网络甚至门连接。该库还具有许多有用的内置架构,如液态机、多层长短期记忆网络 (LSTM)、多层感知器、Hopfield 网络等,并结合可以采用任何类型网络并使用任何训练集的训练器用它。 Synaptic 也是 MIT 的一个开源库,因此任何人都可以免费贡献或使用它。

4.ConvNetJS

ConvNetJS 是一个 javascript 库,专门用于训练包含神经网络的深度学习模型。这个库的一大优势是它可以完全在浏览器中使用,没有 GPU、编译器等特殊软件要求。 ConvNetJS 有神经网络、分类和回归问题、专注于图像的卷积网络的选项,以及处于实验阶段的强化学习模块。

5.ml5.js

ml5.js 是一个基于 TensorFlow 的 javascript 机器学习库,没有其他外部依赖。它允许在浏览器中访问各种机器学习预训练算法,这些算法用于检测人体姿势、检测音高、为图像设置样式、生成文本、查找英语单词关系、创作音乐等。 ml5.js 有一个特别关注让人们更深入地了解机器学习及其复杂性,如负责任的数据收集、道德计算等。

自然语言处理

1.nlp.js

nlp.js 为 nodejs 提供了一个基于 javascript 的自然语言实用程序。它具有许多不同的功能,例如猜测短语的语言或获取不同语言的词干分析器和分词器。 nlp.js 还能够对用特定语言编写的不同短语进行情感分析。您还可以对任何句子的意图进行分类,然后分别使用自然语言处理分类器和自然语言生成管理器根据意图生成句子的答案。 nlp.js 原生支持 40 种语言,同时它还可以通过 BERT 集成支持另外 104 种语言。

2. 妥协

Compromise 是一个 JavaScript 库,专门专注于自然语言处理,以便更容易地解释和预解析文本以根据文本做出决策。妥协可以压缩很多词,并在运行时对其进行扩展,从而获得假设。大约 99.99% 的英语词汇可以由 14,000 个单词处理,这些单词被压缩成只有 40kb 的文件大小。这使得在理解和扫描单词时可以非常快速地进行妥协,并且延迟在低毫秒内。

数据科学与可视化

1. D3.js

D3 或数据驱动文档是一个 JavaScript 库,可用于使用 HTML、CSS 和 SVG 操作数据以获得自定义数据可视化。 D3 能够将文档与 Document 对象模型结合,然后根据需求转换文档。 D3 也有不同的图表类型用于数据分析,如箱线图、直方图、树状图等层次结构、chard 图等网络,以及散点图、折线图、条形图、饼图等常见图表。 D3 还提供动画选项,如动画树状图、可缩放条形图、冰柱、条形图竞赛等。

2.图表.js

Chart.js 是一个开源的 javascript 图表库,它提供了 8 种广泛的图表类型,包括所有常见的图表,如条形图、饼图、直方图、散点图、误差图等。所有这些图表都可以组合生成混合图表是可定制的,也能够被动画化。 Chart.js 还可以在所有 Web 浏览器中轻松呈现,并根据 Web 浏览器上的窗口大小调整图表。如果需要时间轴,该库中的所有图表也可以与 moment.js 库结合使用。

3. Sigma.js

图形是数据可视化的一个非常重要的部分,sigma.js 特别专注于图形绘制。它具有简化图形可视化并将其发布到网页上的内置功能。 Sigma.js 具有 Canvas 和 WebGL 支持以及鼠标和触摸支持、自定义渲染、添加辅助功能等选项。您还可以修改数据、移动相机、监听事件以及以您希望的任何方式更改渲染添加与图表的额外交互级别。

我们已经看到了涵盖机器学习和数据科学各个方面的 10 大 JavaScript 库。虽然与Python或 R 相比,JavaScript 在这些领域并不流行,但如今它变得越来越突出。例如,D3 是数据可视化中一个非常重要和著名的库。因此,请查看所有这些库,谁知道呢,您可能会发现它们对您的机器学习或数据科学中的下一个项目很有用。