Конкретно в Кодек палаты общин : класс Base64
к decode(byte[] array)
или encode(byte[] array)
AFAIK, Оранжевый может быть лучшим выбором на данный момент.
PyML тоже хорош.
PyMC для байесовского оценивания.
и есть книга «Машинное обучение: алгоритмическая перспектива» . В книге есть много примеров кода Python, возможно, ее стоит прочитать.
и есть сообщение в блоге: Прагматическая классификация с Python .
Всего два цента.
Общий удобный для пользователя пакет - Orange - вроде Weka или RapidMiner, если вы знакомы с ними.
Кроме этого, существует множество других. пакетов и инструментов для различных задач. Вам следует обратиться к пакетам Python, перечисленным на mloss в качестве отправной точки.
Для машин поддерживающих векторов взгляните на LibSVM , который, среди прочего, имеет интерфейс Python.
Вы можете посмотреть:
http://www.shogun-toolbox.org/ , где есть интерфейсы для нескольких языков, включая python. Также существует http://www.pybrain.org/ , который (я считаю) является собственной реализацией алгоритмов машинного обучения. Надеюсь, это поможет.
Я не уверен, что вы точно назовете это машинным обучением, но пакет nltk выполняет классификацию текста в байесовском стиле. Вы можете использовать данные обучения и тестовые данные, чтобы убедиться, что они определяют правила в отношении данных.
Взгляните на Модульный инструментарий для обработки данных (MDP) . В нем реализована пара алгоритмов машинного обучения и статистики, он продуман и хорошо документирован.
Это отличный список, сделанный SciPy, из многих хорошо известных пакетов Python, в том числе связанных с машинным обучением: Искусственный интеллект и машинное обучение
Если вы ищете нейросеть, то привязка питона для fann довольно проста в использовании, и в комплекте с инструментами для обучения ваших сетей
.Вероятно, связанные с этим вопросы в Stack Overflow:
Библиотека искусственного интеллекта на питоне .
Какая лучшая библиотека искусственного интеллекта для Python?
Я попробовал Оранжевый.
Он мощный, но если вы просмотрите документацию, вы поймете, что у автора есть свой сумасшедший стиль написания Python. Его код действительно становится довольно загадочным, если вы относительно новичок на Python, так что я бы не рекомендовал Orange, если только вы не знакомы с Python
.Учебники по глубокому обучению описывают, как разрабатывать и обучать глубокие нейронные сети. В использовалась библиотека даже использовалась Графический процессор Nvidia, если он доступен.