1.3.2 常用的Python库

在使用Python语言开发人工智能程序时，可以使用人工智能库快速实现所需功能。

1.数据处理库

（1）Numpy

Numpy是构建科学计算代码集的最基础的库之一，它提供了许多进行N维数组和矩阵操作的功能。Numpy库提供了Numpy数组类型的数学运算向量化，可以改善性能，从而加快执行速度。

（2）Scipy

Scipy包含了致力于科学计算中常见问题的各个工具箱，其不同子模块实现不同的应用，例如插值、积分、优化、图像处理、统计、特殊函数等。因为Scipy的主要功能是建立在Numpy基础之上的，所以它使用了大量的Numpy数组结构。Scipy库通过其特定的子模块提供高效的数学运算功能。

（3）Pandas

Pandas是一个简单直观的应用于“带标记的”和“关系性的”数据的Python库，可以快速地进行数据操作、聚合和可视化操作。

（4）MatPlotlib

MatPlotlib是一个可以实现数据可视化的库。与之功能相似的库是Seaborn，并且Seaborn是建立在MatPlotlib基础之上的。

2.机器学习库

（1）PyBrain

PyBrain是一个灵活、简单而有效的，针对机器学习任务的算法库。它是模块化的Python机器学习库，并且提供了多种预定义好的环境来测试和比较自定义的算法。

（2）PyML

PyML一个用Python编写的双边框架，重点研究SVM和其他内核方法，支持Linux和macOS。

（3）Scikit-Learn

Scikit-Learn库旨在提供简单而强大的解决方案，可以在不同的上下文中重用。Scikit-Learn是机器学习领域最常用的一个多功能工具，集成了经典的机器学习的算法，方便开发者开发出功能强大的机器学习程序。

（4）MDP-Toolkit

MDP-Toolkit是一个Python数据处理的框架，可以很容易地在其基础上进行扩展。MDP-Toolkit还收集了监管学习算法、非监管学习算法和其他数据处理单元，可以组合成数据处理序列或者更复杂的前馈网络结构。可用的算法是在不断地升级并增加的，包括信号处理方法（如主成分分析、独立成分分析、慢特征分析）、流型学习方法（如局部线性嵌入）、集中分类、概率方法（如因子分析、RBM）和数据预处理方法等。

（5）Crab

Crab是基于Python语言开发的推荐库，它实现了item和user的协同过滤功能，可以快速开发出Python推荐系统。

（6）TensorFlow

TensorFlow是当今最流行的机器学习库之一，是谷歌公司推出的一个开源库，也是目前市场占有率最高的机器学习库。本书将以TensorFlow库为主题，详细讲解TensorFlow库的使用知识。