目前最流行的15个机器学习框架，你知道几个？

机器学习工程师与数据专家分工不同前者负责构建、开发与维护ML产品后者从事研究分析评估系统影响并形成项目思路。以下是目前主流的15个机器学习框架简介Apache Singa通用分布式深度学习平台支持CNN、RNN等模型设计分层抽象。Amazon ML提供可视化向导降低ML使用门槛。Azure ML StudioAzure云端训练与部署支持微软及第三方算法免费试用8小时。Caffe伯克利开发基于配置而非编码CPU/GPU无缝切换单GPU日处理超6000万图。H2O易用的预测分析平台支持Web UI和主流数据库可扩展至Hadoop。MOA数据流挖掘开源框架含分类、聚类、推荐等算法Java编写。MLlib (Spark)Spark机器学习库可伸缩含分类、回归、协同过滤等。MlpackC库追求高效与易用提供命令行和C API。PatternPython Web挖掘组件支持爬虫、NLP、SVM等。Scikit-Learn基于Numpy/SciPy的Python库涵盖聚类、分类、回归开源且社区活跃。Shogun始于1999年的C库通过SWIG支持Java、Python、R等多语言。TensorFlow开源数值计算库基于数据流图支持CPU/GPUC/Python接口。TheanoPython数值计算库可定义优化表达式性能接近C。Torch基于LuaJIT和C/CUDAGPU优先生态丰富。VelesC分布式深度学习平台Python辅助REST API支持快速部署。