如果你是机器自学的初学者，你可能会想我如果学甚么C词汇?相同的人采用相同的C词汇，但在那些盛行的高阶C词汇中，哪一类最适宜机器自学?
有关更多机器自学、人工智慧、进一步增强现实、Unity、Unreal资
机器自学是控制技术应用领域产业发展最慢的应用领域众所周知，其产业发展速率呈指数级增长。没有最合适的机器自学词汇，这依赖于你想构筑甚么，在这个应用领域工作，只需积极探索那些常见词汇中的一些，并优先选择其中一类。
1：Python
Python优于大部份其他词汇，少于60%的机器自学合作开发者在合作开发中采用它，因为Python很难自学，可扩充和开放源码。Python有很多很酷的可视化包和核心理念库，如Numpy, scipy, pandas, matplotlib, seaborn, sklearn。
Numpy:Numpy是Python的数学分析库，具备强悍的排序机程序，可以高效率地排序布季夫字符串和行列式。Pandas:这是最盛行的Python库，为数据分析提供更多了度强化的操控性。Matplotlib:这是两个盛行的python绘Mundolsheim，用作建立基本上绘图，如折线图、图表、灰阶等。Seaborn:为建立招揽人的绘图提供更多高阶USBsci-kit Learn:用作数据分析和数据分析，同时实现了广为的机器自学演算法，如进行分类，重回和控制点演算法，包括全力支持矢量机，乱数丛林，势能进一步增强，k-means。2：Java
Java提供更多了许多较好的自然环境，如Weka、Knime、RapidMiner、Elka，那些自然环境用作采用绘图用户界面继续执行机器自学各项任务。
Weka:这是两个完全免费的、GUI的库，主要用作数据分析、数据分析和预估可视化，最适宜用于机器自学演算法。它更易与绘图界面一同采用，并全力支持多种不同标准的数据分析各项任务，包括数据预处理、进行分类、控制点和特征优先选择。JavaML:两个具备简单易用USB的Java API，用Java同时实现机器自学和数据分析演算法集合，并清晰地编写和正确地记录演算法同时实现。Deeplearning4j:这是两个创新的开放源码分布式深度自学库，它提供更多了两个广为全力支持机器自学演算法的排序框架。这个库在识别模式、情绪、声音和文本方面非常有用，是专门为商业自然环境设计的。ELKI:它是两个独特的开放源码数据分析框架，主要侧重于数据分析演算法和数据管理的独立评估，强调无监督的方法。它还允许任意数据类型、文件格式或距离或相似性度量。3：C++
超快的c++编程词汇在机器自学应用领域也很受欢迎。这个强悍的词汇得到了大多数机器自学平台的全力支持。与大多数C词汇相比，c++要高效率得多。很多强悍的库，如TensorFlow和Torch都是用c++C词汇同时实现的，所以机器自学和c++确实是两个很好的组合。
TensoFlow:谷歌的开放源码TensorFlow用作在任何CPU或GPU上采用数据流图进行数值排序，并根据它获得的任何信息做出决策。Torch:两个开放源代码的机器自学库，通过提供更多大量的演算法，使科学和数字操作更难。它使工作更难，提高了效率和速率。mlpack:两个超高速、灵活的机器自学库，它采用c++类提供更多尖端机器自学演算法的快速和可扩充同时实现，那些类可以集成到大规模的机器自学解决方案中。4：R
R是一类非常盛行的C词汇，用作机器自学中的统计排序、分析和可视化。它是一类完美的基于绘图的词汇，用作通过绘图来积极探索统计数据，被Facebook、谷歌等数据专业人士广为采用。R在生物工程和生物医学统计方面非常受欢迎，在同时实现机器自学如重回、进行分类和决策树形成方面也很受欢迎。
xgboost:它用作同时实现势能进一步增强框架，因其操控性和速率而盛行。它全力支持各种目标函数，如重回、进行分类和排名，并且是可扩充的，因此你可以轻松地定义自己的目标。mlr:它是两个可扩充的框架，用作解决进行分类、重回和集群问题，并且通过s3继承具备简单的扩充机制。PARTY:这个包用作递归分区。该程序包用作建立基于条件推理演算法的决策树。这个包也很广为，减少了训练时间和偏差。CARET:这个程序包是为了将针对给定业务问题的几种相同演算法的模型训练和预估结合起来而合作开发的，有助于优先选择最佳的机器自学演算法。5：JavaScript
它是一类应用最广为的、高阶的、动态类型化的、灵活的、多范式的词汇。Javascript在ML中也非常盛行，以至于像谷歌的Tensorflow.js这样的热门项目都是基于Javascript的。如果你精通Javascript，那么你可以完成从全栈到机器自学和NLP的大部份工作。
Brain.js:它是两个加速的GPU，很难在JavaScript中集成神经网络，在浏览器中与Node.js一同采用，并提供更多多种不同神经网络同时实现来训练做相同的事情。它采用起来非常简单，你不需要了解神经网络的详细信息就可以采用它。Tensorflow.js:它是两个盛行的JavaScript机器自学库。你可以采用灵活的api直接在JavaScript中构筑和训练模型，机器自学中的几乎大部份问题都可以采用Tensorflow.js解决。你还可以采用自己的数据重新训练现有的ML模型。machinelearn.js:它取代了python的ScikitLearn库。它为有监督和无监督自学提供更多控制点、分解、特征提取模型和实用工具。face-api.js:两个现成的api，包含了众所周知的人脸检测和识别模型的同时实现，那些模型是用各种各样的数据集预先训练的。它提供更多了直接插入任何Node.js和浏览器自然环境的灵活性。这个库是轻量级的，可以在移动和web浏览器上采用，没有任何问题。
