# 機器學習庫 > 原文： [https://pythonbasics.org/machine-learning-libraries/](https://pythonbasics.org/machine-learning-libraries/) 每個程序員都應該了解 Python 機器學習的庫。 如果開發人員需要從事統計技術或數據分析工作，那么他或她將（可能）考慮使用 Python。 該編程語言以友好，易學而著稱，并且具有用于機器學習的大量庫。 在機器學習方面，Python 絕對是最受歡迎的選擇之一。 可是等等！ 首先，讓我們弄清楚什么是機器學習以及什么是庫。 ## 什么是機器學習？ 機器學習實際上是對算法的研究，該算法允許人工智能通過機器從數據中學習。 那不是令人難以置信嗎？ 總有一天，技術將能夠以我們人類無法實現的方式為我們學習和理解信息。 另一方面，庫是用諸如 Python 之類的編程語言編寫的例程和函數集。 這樣，開發人員可以避免編寫多行代碼。 它背后的魔力是數學，統計學和概率。 ## 機器學習庫 那么，哪些是 python 機器學習的基本庫？ ### Pandas 熊貓是數據科學的基礎。 這是用于數據集的強制性庫，用于數據提取和準備。 熊貓提供了用于分組，合并和過濾數據以及執行時間序列分析的方法。 它有兩個主要結構：一維（系列）和二維（數據幀）。 熊貓的關鍵字是標簽和關系數據。 ### Matplotlib 當開發人員考慮可視化庫時，首先想到的就是這種方法。 Matplotlib 通常用于創建 2D 繪圖和圖形。 開發人員還可以繪制圖表，直方圖和散點圖。 一方面有一個很低的層次，因為程序員需要知道更多的命令，但是…另一方面，有了權限和足夠的命令，您就可以制作所需的圖形。 ### Seaborn Seaborn 是“另一個”可視化庫。 它建立在 Matplotlib 的基礎上，不僅取決于它，而且還可以將其發展到更高的層次。 Seaborn 使生成某些類型的圖，熱圖，時間序列和小提琴圖更容易。 ### Scikit-learn Scikit-learn 管理兩個基本術語：數據挖掘和數據分析。 是使用經典 ML 算法的理想選擇。 Scikit-learn 的設計能夠與 SciPy 和 NumPy 等其他 Python 庫進行互操作。  ### Tensorflow TensorFlow 是用于數據流和差異化編程的最受歡迎的開源軟件庫之一。 有時不一定需要深度學習算法，但有用嗎？ 您永遠不要懷疑，這就是 TensorFlow 的目的。 TensorFlow 非常適合在以下兩種平臺上運行和編譯：中央處理器和圖形處理器。 ### Theano Theano 與 TensorFlow 有很多共同點：也用于深度學習，并且可以在 CPU 和 GPU 上使用。 這是一個多維數組，具有數學表達式和運算，兩者都與 NumPy 相似。 考慮到 Theano 是最繁重的庫之一，Theano 可根據需要進行評估，優化和定義。 在有監督或無監督的機器學習人工智能是改善編程和開發所必需的工具。