本篇内容主要讲解“用于JavaScript的机器学习库有哪些”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“用于JavaScript的机器学习库有哪些”吧!
Python是一种通用编程语言，不仅用于机器学习，还用于科学计算，后端Web开发，桌面应用程序等.R主要用于统计学家。但是，它们至少有两个共同特征：
在许多情况下，ML算法在Fortran，C，C ++或Cython中实现，并从Python或R调用。
Java也用于机器学习，但通常由专业程序员使用。
在过去的几年中，JavaScript得到了普及，并且出现了一些非常有趣的机器学习库，可以在浏览器或Node.js上实现ML方法。令人惊讶的是，许多这些库在JavaScript中实现了大量代码。
ml.js
ml.js是一个全面的，通用的JavaScript ML库，适用于浏览器和Node.js. 它提供了以下例程：
支持的监督学习方法是：
线性，多项式，指数和幂回归
K-最近邻居
朴素贝叶斯
支持向量机
决策树和随机森林
前馈神经网络等
此外，ml.js提供了几种无监督的学习方法：
主成分分析
聚类分析(k均值和层次聚类)
自组织地图(Kohonen网络)
TensorFlow.js
TensorFlow是***的机器学习库之一。它侧重于人工神经网络的各种类型和结构，包括深度网络以及网络的组件。
TensorFlow由Google Brain Team创建，使用C ++和Python编写。但是，它可以与包括JavaScript在内的多种语言一起使用。
TensorFlow是一个非常全面的库，仍然可以轻松地构建和培训模型。它支持各种各样的网络层，激活功能，优化器和其他组件。它具有良好的性能并提供GPU支持。
TensorFlow.js是一个用于浏览器或Node.js的JavaScript ML库。它支持WebGL。
brain.js
brain.js是一个用JavaScript编写的库 - 专注于训练和应用前馈和循环神经网络。它还提供其他实用程序，例如神经网络所需的数学例程。
它提供了高级选项，如：
使用GPU训练网络
可以并行适应多个网络的异步培训
交叉验证是一种更复杂的验证方法
brain.js将模型保存到JSON文件或从中加载模型。
ConvNetJS
ConvNetJS是神经网络和深度学习的另一个库。它可以在浏览器中训练神经网络。除了分类和回归问题，它还有强化学习模块(使用Q学习)仍然是实验性的。ConvNetJS为在图像识别方面表现优异的卷积神经网络提供支持。
在ConvNetJS中，神经网络是层的列表。它提供以下层：
输入(***个)图层
完全连接的层
卷积层
汇集层
局部对比度归一化层
分类器丢失(输出)层：softmax和svm
使用L2的回归损失(输出)层
它支持几个重要的激活功能，如：
以及优化器如：
执照：麻省理工学院。
WebDNN
WebDNN是一个专注于深度神经网络的图书馆，包括具有LSTM架构的递归神经网络。它使用TypeScript和Python编写，并提供JavaScript和Python API。
它还提供了在浏览器中执行GPU的可能性。
WebDNN的一个非常方便的功能是可以转换和使用PyTorch，TensorFlow，Keras，Caffemodel或Chainer预训练的模型。
natural
natural是一个用于Node.js的自然语言处理的JavaScript库。
它支持：
标记化(将文本分解为字符串数组)
弦距离的计算
匹配相似的字符串
分类(朴素贝叶斯，逻辑回归和***熵)
情感分析(目前有八种语言)
语音匹配，inflectors，n-gram等
到此，相信大家对“用于JavaScript的机器学习库有哪些”有了更深的了解，不妨来实际操作一番吧！这里是天达云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！