【探究】八种支持机器学习模型训练的JavaScript框架

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的各种机器学习算法，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。

创新互联专注于企业成都全网营销推广、网站重做改版、芦山网站定制设计、自适应品牌网站建设、H5开发、购物商城网站建设、集团公司官网建设、外贸网站制作、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为芦山等各大城市提供网站开发制作服务。

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：

1.DeepLearn.js

Deeplearn.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。

2.PropelJS

Propel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 install propel 
  
  
  import { 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。

3.ML-JS

ML-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
- 主成分分析（Principal component analysis，PCA）
- K-Means聚类
监督学习
- 简单线性回归
- 多变量线性回归
- 支持向量机（SVM）
- 朴素贝叶斯
- K最近邻算法（KNN）
- 偏最小二乘（Partial least squares，PLS）
- 决策树：CART
- 随机森林
- 逻辑回归
人工神经网络
- 前馈神经网络

4.ConvNetJS

ConvNetJS是一个JavaScript库，它可以被用于在您的浏览器中，完全地训练各种深度学习的模型（神经网络）。这个库也能够被用在NodeJS的各种应用之中。

您可以从下载链接--http://cs.stanford.edu/people/karpathy/convnetjs/build/convnet-min.js 来获取ConvNetJS的缩减库，从而上手这个缩小版本的ConvNetJS。它的GitHub页面为https://github.com/karpathy/convnetjs/releases。如下是其对应的加载代码：

我们进一步给出一些重要的参考页面的地址：

ConvNetJS的NPM软件包：https://www.npmjs.com/package/convnetjs
入门文档：https://cs.stanford.edu/people/karpathy/convnetjs/started.html
参考文档：https://cs.stanford.edu/people/karpathy/convnetjs/docs.html

5.KerasJS

使用KerasJS和支持GPU的WebGL，您可以在浏览器中运行Keras的模型。除了CPU模式，该模型也可以在Node.js中运行。Keras的GitHub页面为https://github.com/transcranial/keras-js。以下是可以在浏览器中运行的所有Keras的模型列表：

MNIST的基本转换（译者注：MNIST是一个入门级的计算机视觉数据集）
经MNIST训练的卷积变分自编码器
基于MNIST的辅助分类器生成对抗网络（AC-GAN）
经ImageNet训练的50层残差网络（residual network）
经ImageNet训练的Inception v3模型
经ImageNet训练的DenseNet-121（极深网络）模型
经ImageNet训练的SqueezeNet v1.1模型
基于IMDB情感分类的双向长短期记忆网络（LSTM）

6.STDLib

STDLib是一个JavaScript库，它能够被用于构建高级的统计模型和各种机器学习库。它也可以被用于数据可视化与探索性数据分析的绘制和图形功能。

以下是与机器学习（ML）有关的各种相关库的列表：

通过随机梯度下降的线性回归(@stdlib/ml/online-sgd-regression)
通过随机梯度下降的二元分类(@stdlib/ml/online-binary-classification)
自然语言处理(@stdlib/nlp)

7.Limdu.js

Limdu.js是一个针对Node.js的机器学习框架。它支持以下方面：

二进制分类
多标签分类
特征工程（Feature engineering）
支持向量机（SVM）

开发者可以使用如下的命令来安装limdu.js：

 
 
 
  
  
  npm install limdu

8.Brain.js

Brain.js是一套用于训练神经网络和朴素贝叶斯分类器的JavaScript库。您可以使用如下命令来设置Brain.js：

 
 
 
  
  
  npm install brain.js

开发者也可以使用以下代码，在浏览器中包含该库：

如下的命令可以被用于安装朴素贝叶斯分类器：

 
 
 
  
  
  npm install classifier

总结

在本文中，您了解到了可用于在浏览器、以及Node.js应用中训练机器学习模型的不同JavaScript库。如果您有兴趣了解更多有关机器学习的文档，我们建议您去查看我们的机器学习文档集-- https://vitalflux.com/category/machine-learning/。

如果您觉得本文对您有所帮助，或者您对本文所提及的机器学习JavaScript框架有任何的疑问与建议，欢迎您在此留下评论或提出问题。

网页题目：【探究】八种支持机器学习模型训练的JavaScript框架
文章地址：http://www.shufengxianlan.com/qtweb/news19/248369.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源：创新互联

猜你还喜欢下面的内容