# 机器学习常见库

### 基础科学计算库

1. ‌NumPy‌提供多维数组对象及高效数学运算功能，是TensorFlow等库的底层依赖。
2. ‌Pandas‌用于数据清洗与结构化操作，支持DataFrame和Series数据结构，适合表格数据处理。
3. SciPy‌扩展NumPy功能，提供科学计算算法（如优化、信号处理）

### 传统机器学习库

1. ‌Scikit-learn‌包含分类、回归、聚类等经典算法，API设计统一，适合快速实现标准模型。
2. ‌XGBoost/LightGBM‌梯度提升框架，擅长处理结构化数据，在Kaggle竞赛中广泛应用。
3. ‌StatsModels‌侧重统计建模，支持假设检验和回归分析。

### 深度学习框架

1. ‌TensorFlow‌Google开发的工业级框架，支持分布式训练，适合大规模模型部署。
2. ‌PyTorch‌Facebook主导的动态图框架，研究场景首选，调试灵活。
3. ‌Keras‌高层API接口，可基于TensorFlow或PyTorch后端快速构建神经网络。

### 其他工具库

- ‌Matplotlib/Seaborn‌：数据可视化
- ‌OpenCV‌：计算机视觉任务
- ‌NLTK/Gensim‌：自然语言处理

这些库覆盖了从数据预处理到模型部署的全流程，其中Scikit-learn、TensorFlow和PyTorch为当前主流选择


---

> 作者: XiongNeng  
> URL: https://xiongneng.me/posts/ai/ml-libs/