Python通常被應用統計技術或者數據分析人員當做工作中的首選語言。數據科學家也會用python作爲連接自身工作與WEB 應用程序/生產環境集成中。
Python在機器學習領域非常出色。它具有一致的語法、更短的開發時間和靈活性，非常適合開發能夠直接插入生產系統的複雜模型和預測引擎。
Python的一個最大的資產是其廣泛的庫。
庫是一組用給定語言編寫的程序和功能的集合。一組健壯的庫可以使開發人員更容易執行復雜的任務，而無需重寫許多代碼。
機器學習很大程度上是基於數學。具體來說就是數學優化、統計和概率。Python庫幫助那些不具備開發人員知識的研究人員/數學家輕鬆地“進行機器學習”。
以下是機器學習中最常用的一些庫:
Scikit-learn 經典的ML算法
Scikit-learn 是最流行的ML 庫之一，他支持很多監督學習和非監督學習算法。例如：線性迴歸，邏輯迴歸，決策樹，聚類 ，k-means等。
他基於兩個python庫：Numpy 和 Scipy 。 他爲常見的機器學習和數據挖掘提供了一組算法：聚類，迴歸和分類。甚至像數據轉換，特徵選擇，集成學習這樣的任務也可與通過簡短几行代碼實現。
對於機器學習的新手來說，Scikit-learn 是一個夠用的工具，直到你自己開始實現更復雜的算法。
Tensorflow for Deep Learning 深度學習
如果你在機器學習的世界裏，你可能聽過，嘗試過或者實現過某種形式的深度學習的算法。但是他們是必要的嗎？回答可能是不必要。但是完成他們後感覺很酷對嗎？ 回答是：對的！酷斃了。
Tensorflow 有趣的地方在於，當你使用python 編寫代碼，你可以編譯和運行在你的CPU 或者GPU 上，而且你不需要寫 c++或者 CUDA 的代碼，就可以運行在GPUs 集羣上。
他使用一個多層節點的系統，允許你快速的簡歷，訓練，部署具有大量數據集的人工神經網絡。這讓谷歌能夠識別照片中的物體，通過語音識別程序理解在口語中的單詞。
這裏共享幾本相關書籍可下載
《TensorFlow技術解析與實戰》https://pan.baidu.com/s/1iKDExWOgCuvxyqsF12abFg
《TensorFlow：實戰Google深度學習框架（第2版）》https://pan.baidu.com/s/1uijUhufBV6nXNgz-VxZUGQ
Theano is also for Deep Learning
Theano 是另一個用於數值計算的優秀類庫，有點類似於Numpy。Theano 允許你高效的定義，優化和評估涉及多維數組的數學表達式。
使Theano 與衆不同的是它利用了計算機的GPU。這使得它能夠比單獨在CPU上運行時快100倍進行數據密集型計算。Theano的速度使得它對於深度學習和其他複雜的計算任務特別有價值。
Theano 庫的最終發佈是在去年——2017年，版本1.0.0包含了許多新特性、界面更改和改進。
Pandas 數據提取與預處理
panda是一個非常流行的庫，它提供了簡單易用且直觀的高級數據結構。
它有許多內建的方法來分組、組合數據和過濾以及執行時間序列分析。
panda可以輕鬆地從SQL數據庫、CSV、Excel、JSON文件等不同來源獲取數據，並對數據進行操作。圖書館有兩個主要結構:
Series“級數”---- 一維 。
Data Frames“數據幀”---- 二維。
如果想得知關於如何使用序列和數據看框架的更多細節，請查看的我的其他文章。
Matplotlib用於數據可視化
如果你不能很好的與其他人交流，那麼最好的，最複雜的機器學習就顯得沒有意義。
那麼如何從這些數據中轉換出價值呢?你如何激勵你的業務分析師，告訴他們充滿“洞察力”的“故事”?
這就是Matplotlib發揮作用的地方。它是每個數據科學家用於創建2D圖形和圖形的標準Python庫。它是命令行簡單，這意味着它需要更多的命令來生成好看的圖形和數字，而不是使用一些高級庫。
然而，這也帶來了靈活性。有了足夠的命令，您可以使用Matplotlib製作任何您想要的圖形。您可以構建不同的圖表，從直方圖和散點圖到非笛卡爾座標圖。
它支持所有操作系統上的不同GUI後端，還可以將圖形導出到通用矢量和圖形格式，如PDF、SVG、JPG、PNG、BMP、GIF等。
Seaborn是另一個數據可視化庫
Seaborn是一個流行的可視化庫，它建立在Matplotlib的基礎之上。它是一個高級庫，這意味着更容易生成某些類型的圖，包括熱圖、時間序列和小提琴圖。
最後
這是機器學習中最重要的Python庫的集合。如果您打算使用Python和數據科學，那麼這些庫是值得一看的，同時也值得您熟悉。