总结了一些常用的工具：
- Numpy | 必用的科学计算基础包，底层由C实现，计算速度快。
- Pandas | 提供了高性能、易用的数据结构及数据分析工具。
- seaborn | 数据可视化
- NLTK | 自然语言工具包，集成了很多自然语言相关的算法和资源。
- Stanford CoreNLP | Stanford的自然语言工具包，可以通过NLTK调用。
- Gensim | 主题模型工具包，可用于训练词向量，读取预训练好的词向量。
- scikit-learn | 机器学习Python包 ，包含了大部分的机器学习算法。
- XGBoost／LightGBM | Gradient Boosting 算法的两种实现框架。
- PyTorch／TensorFlow／Keras | 常用的深度学习框架。
- StackNet | 准备好特征之后，可以直接使用的Stacking工具包。
- Hyperopt | 通用的优化框架，可用于调参。
转载https://blog.csdn.net/u0/article/details/
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/120183.html