机器学习/深度学习代码速查：6大工具库 &27种神经网络图览

Kailash Ahirwar，Mate Lab 联合创始人，Github的一位资深作者，也是一位活雷锋，近日在其Github个人主页上发表了一个机器学习/深度学习的代码速查表，包括：

• Keras
• Numpy
• Scipy
• Pandas
• Scikit-learn
• Matplotlib

五大工具库常用代码，以及

• Neural Networks Zoo——27种神经网络图概览。

可以说极大方便了学习者的代码查找。

附上网址：https://github.com/kailashahirwar/cheatsheets-ai，在网页上可以下载高清大图。

我们来简单介绍下

1. Scikit-learn

Scikit-learn 是 Python 上著名的机器学习工具库，可以快速实现数据预处理、交叉验证、数据可视化和各种机器学习算法。这个库真的太酷了，曾经帮数说君省了很多时间，如果再有这个速查代码，连找资料的时间也省了。

本速查表提供了loading数据、快速建模、预测、模型评价、数据预处理等代码格式，直接套用即可。我就以Scikit-learn为例，详细介绍一下该速查表包括哪些常用代码块。

（1）简单实例

表开头作者先提供了一个简单的例子，熟悉一下整个建模的代码形态：

（2）Loading the data

要想使用Scikit-learn库来建模，数据要load成可接受的数值型形式，如 NumPy 数组形式、 SciPy 的稀疏矩阵、或者是 Pandas DataFrame。速查代码：

（3）将数据分割成训练集和测试集

用train_test_split来划分，我这里补一点，可以加语句train_size=0.5来指定训练数据集的占比，比如：train_test_split (x, y, random_state=0, train_size=0.5)。速查代码：

（4）数据预处理

我们在建模的时候，有时候会做一些数据预处理，比如标准化（Standardization）、正态化（Normalization）、缺失值填充（Imputing Missing Value）等等，这一步大家经常会忽略，但其实还是很重要的。速查代码：

（5）建模

本速查表提供了Linear Regression、SVM、Naive Bayes、KNN、PCA、K Means几种的简易代码，可以快速上手使用：

（6）模型拟合

Scikit-learn 的建模特点是，先创建一个模型，设置好参数，比如my_svc：

• my_svc = SVC(kernel='linear')

在用这个创建的my_svc来拟合数据：

• my_svc.fit(x_train, y_train)

速查代码：

（7）预测

模型之后用测试数据集进行预测。速查代码：

（8）模型评价

模型表现到底怎么样？速查表按分类、回归、聚类不同的模型类型，提供了不同的评价方法：

2、Keras

Keras是一个高层神经网络API，由纯Python编写而成并基Tensorflow或Theano。速查表如下：

3、Numpy

Numpy不用多说了，是Python科学计算的核心库。它提供高性能、多维度的数组对象，以及对这些数组进行运算的工具。速查代码：

4、Pandas

Pandas更不用多说，作者提供了三张速查表，其中2张是关于数据的基本操作，如sample、head、sort等：

这张是关于数据分析、统计：

5、SciPy

SciPy也是Python科学计算的核心库，提供了一些方便计算的函数，速查代码：

6、Matplotlib

Matplotlib是Python著名的绘图库，速查代码：

7、Neural Networks Zoo

作者提供了几乎所有类型的神经网络图：

原文链接 & 高清大图下载：https://github.com/kailashahirwar/cheatsheets-ai

- END -