引言：在本文章中，您将了解到不同的机器学习JavaScript框架，包括：DeepLearn.js、PropelJS、ML-JS、ConvNetJS、KerasJS、STDLib、Limdu.js和Brain.js。JavaScript开发人员大多倾向于寻找一些基于不同的机器学习算法、并可用于训练机器学习模型的JavaScript框架。我们在下面所罗列出各种机器学习算法，都适用于本文将为您展示的八种可用于模型训练的JavaScript框架。 · 简单线性回归
· 多变量线性回归
· 逻辑回归
· 朴素贝叶斯（Naive Bayesian）
· K最近邻算法（K-nearest neighbor，KNN）
· K-Means算法
· 支持向量机（Support vector machine，SVM）
· 随机森林
· 决策树
· 前馈神经网络（Feedforward neural network）
· 深度学习网络
在本文中，您将分别概览到用于机器学习的不同JavaScript框架。它们分别是：DeepLearn.jsDeeplearn.js是Google开发的、开源的机器学习JavaScript库。它可以被用于不同的目的，包括训练浏览器中的神经网络、理解机器学习（ML）模型、以及被用作教育目的等。您可以在推理模式中运行各种预训练的模型。开发者可以在Typescript（ES6 JavaScript）或ES5 JavaScript中编写代码。如想快速入门，您可以通过在HTML文件的head标签中包含以下的代码，并编写用于构建模型的JS程序。PropelJSPropel是一个JavaScript库，它为科学计算提供了一个支持GPU的、类似numpy（译者注：它是Python的一种开源的数值计算扩展）的基础架构。它可以被使用在NodeJS的各种应用、以及浏览器中。以下是为浏览器设置的代码：而下面则是被用到NodeJS应用的代码：npm installpropelimport { grad }from "propel";PropelJS的文档链接是：http://propelml.org/docs/。它的GitHub页面为https://github.com/propelml/propel。ML-JSML-JS为工作在NodeJS和各个浏览器环境中，提供了机器学习的多个工具。ML JS工具可以通过如下的代码进行设置：它能够支持以下的机器学习算法：· 无监督学习
o 主成分分析（Principal component analysis，PCA）o K-Means聚类· 监督学习
o 简单线性回归o 多变量线性回归o 支持向量机（SVM）o 朴素贝叶斯o K最近邻算法（KNN）o 偏最小二乘（Partial least squares，PLS）o 决策树：CARTo 随机森林o 逻辑回归· 人工神经网络
o 前馈神经网络 相关阅读
【小目标，一个“译”】+ 八种值得探究的机器学习JavaScript框架 (2)
