#Python#花了1个月时间，把Python库全部整理出来了，覆盖所有，建议收藏( 五 ) |XML|Excel|HTML|

genius ，中文CRF基础库，条件随机场(conditional random field,简称 CRF),是一种鉴别式机率模型,是随机场的一种,常用于标注或分析序列资料,如自然语言文字或是生物序列。
Gensim ，一个相当专业的主题模型Python工具包，无论是代码还是文档，可用于如何计算两个文档的相似度LIBSVM
是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在
其它[操作系统]上应用；
该软件对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数可以解决很多问题；并提供了交互检验(Cross Validation)的功能。
该软件可以解决C-SVM、ν-SVM、ε-SVR和ν-SVR等问题，包括基于一对一算法的多类模式识别问题。
scikits.learn ，构建在SciPy之上用于机器学习的 Python 模块。
它包括简单而高效的工具，可用于数据挖掘和数据分析。
涵盖分类，回归和聚类算法，例如SVM ，逻辑回归，朴素贝叶斯，随机森林， k-means等算法，代码和文档都非常不错，在许多Python项目中都有应用。
例如在我们熟悉的NLTK中，分类器方面就有专门针对scikit-learn的接口，可以调用scikit-learn的分类算法以及训练数据来训练分类器模型。
PyMC ，机器学习采样工具包， scikit-learn似乎是所有人的宠儿，有人认为， PyMC更有魅力。 PyMC主要用来做Bayesian分析。
Orange ，基于组件的数据挖掘和机器学习软件套装，它的功能即友好，又很强大，快速而又多功能的可视化编程前端，以便浏览数据分析和可视化，包含了完整的一系列的组件以进行数据预处理，并提供了数据帐目，过渡，建模，模式评估和勘探的功能。
侧重数据挖掘，可以用可视化语言或Python进行操作，拥有机器学习组件，还具有生物信息学以及文本挖掘的插件。
Milk ，机器学习工具箱，其重点是提供监督分类法与几种有效的分类分析：SVMs(基于libsvm) ， K-NN ，随机森林经济和决策树。它还可以进行特征选择。这些分类可以在许多方面相结合，形成不同的分类系统。对于无监督学习，它提供K-means和affinity propagation聚类算法。
PyMVPA(Multivariate Pattern Analysis in Python),是为大数据集提供统计学习分析的Python工具包，它提供了一个灵活可扩展的框架。它提供的功能有分类、回归、特征选择、数据导入导出、可视化等。
NuPIC ，开源人工智能平台。该项目由Grok（原名 Numenta）公司开发，其中包括了公司的算法和软件架构。 NuPIC 的运作接近于人脑， “当模式变化的时候，它会忘掉旧模式，记忆新模式” 。如人脑一样， CLA 算法能够适应新的变化。
Pylearn2 ， -基于Theano的机器学习库。
hebel ， GPU加速， [深度学习]Python库。
gensim ，机器学习库。
pybrain ，机器学习模块，它的目标是为机器学习任务提供灵活、易应、强大的机器学习算法。 pybrain包括神经网络、强化学习(及二者结合)、无监督学习、进化算法。
以神经网络为核心，所有的训练方法都以神经网络为一个实例Mahout,是 Apache Software Foundation（ASF）旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。
Mahout包含许多实现，包括聚类、分类、推荐过滤、频繁子项挖掘。此外，通过使用 Apache Hadoop 库， Mahout 可以有效地扩展到云中。
Crab ，灵活的，快速的推荐引擎。
python-recsys ，娱乐系统分析，推荐系统。