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)