值得探索的 8 个机器学习 JavaScript 框架

来自:码农网英文原文,译者:小峰

JavaScript开发人员倾向于寻找可用于机器学习模型训练的JavaScript框架。下面是一些机器学习算法,基于这些算法可以使用本文中列出的不同JavaScript框架来模型训练:

  • 简单的线性回归

  • 多变量线性回归

  • 逻辑回归

  • 朴素贝叶斯

  • k最近邻算法(KNN)

  • K-means

  • 支持向量机(SVM)

  • 随机森林

  • 决策树

  • 前馈神经网络

  • 深度学习网络

machine-learning

在这篇文章中,你将学习针对机器学习的不同JavaScript框架。具体内容为:

1、DeepLearn.js

Deeplearn.js是Google发布的一个开源的机器学习JavaScript库,可用于不同的目的,例如在浏览器中训练神经网络,理解ML模型,用于教育目的等。你可以在推理模式中运行预先训练的模型。可以在Typescript(ES6 JavaScript)或ES5 JavaScript中编写代码。通过在HTML文件的head标签中包含以下代码并编写用于构建模型的JS程序,可以实现快速入门。

2、PropelJS

Propel,一个JavaScript库,为科学计算提供了GPU支持的类似numpy的基础架构。它可以用于NodeJS app和浏览器。以下是浏览器的设置代码:

以下代码可用于NodeJS app:

PropelJS 文档(Propel doc)。Propel的GitHub页面

3、ML-JS

ML-JS提供了用于使用NodeJS和浏览器的机器学习工具。ML JS工具可以使用以下代码进行设置:

支持以下机器学习算法:

  • 无监督学习

  • 主成分分析(PCA)

  • K均值聚类

  • 监督学习

  • 简单线性回归

  • 多变量线性回归

  • 支持向量机(SVM)

  • 朴素贝叶斯

  • K最近邻算法(KNN)

  • 偏最小二乘算法(PLS)

  • 决策树:CART

  • 随机森林

  • 逻辑回归

  • 人工神经网络

  • 前馈神经网络

4、ConvNetJS

ConvNetJS是一个JavaScript库,完全用于在浏览器中深度学习模型训练(神经网络)。这个库也可以用在NodeJS app中。

可以从ConvNetJS简化库中获取ConvNetJS的简化版本入门。ConvNetJS的发布页面

下面是一些重要的页面:

5、KerasJS

通过KerasJS,你可以在浏览器中运行Keras模型,并使用WebGL得到GPU支持。模型也可以在Node.js中运行,但只能在CPU模式下运行。Keras的GitHub页面。以下是可以在浏览器中运行的Keras模型列表:

  • MNIST的基本convnet

  • 卷积变分自编码器,在MNIST上训练

  • MNIST上的辅助分类器生成式对抗网络(AC-GAN)

  • 50层残差网络,在ImageNet上训练

  • Inception v3,在ImageNet上训练

  • DenseNet-121,在ImageNet上训练

  • SqueezeNet v1.1,在ImageNet上训练

  • IMDB情绪分类的双向LSTM

6、STDLIB

STDLib是一个JavaScript库,可用于构建高级统计模型和机器学习库。它也可以用于数据可视化和探索性数据分析的绘图和图形功能。

以下是与ML有关的库列表:

  • 通过随机梯度下降进行线性回归(@ stdlib / ml / online-sgd-regression)

  • 通过随机梯度下降进行二元分类(@ stdlib / ml / online-binary-classification)

  • 自然语言处理(@ stdlib / nlp)

7、Limdu.js

Limdu.js是Node.js的机器学习框架。它支持以下一些内容:

  • 二元分类

  • 多标签分类

  • 特征工程

  • SVM

可以使用以下命令来安装limdu.js:

8、Brain.js

Brain.js是一套用于训练神经网络和朴素贝叶斯分类器的JavaScript库。以下代码可用于安装Brain.js:

也可以使用以下代码在浏览器中引入该库:

以下内容可用于安装朴素贝叶斯分类器:

总结

在这篇文章中,我们了解了可用于在浏览器和Node.js app中机器学习模型训练的不同JavaScript库。有关机器学习的文章,建议查看机器学习档案

这篇文章对你有帮助吗?或者你对文中有关机器学习的JavaScript框架有任何疑问或建议?欢迎在评论中留下你的看法并提出问题来共同探讨。

推荐↓↓↓
前端开发
上一篇:50道 CSS 基础面试题(附答案) 下一篇:5 个顶级的 JavaScript Ajax 组件和库