Python机器学习013：常用机器学习平台汇总

一个强大且易用的机器学习平台对于开展机器学习研究是非常重要的。好的机器学习框架会提供丰富的组件，可以方便机器学习模型的设计和实现。

目前存在以下几类基本的机器学习平台：

• 开源的机器学习平台，API（Application Programming Interface，应用程序编程接口）丰富且不用付费，但学习成本高，例如 R、Python、Mahout、Spark MLlib等。
• 商业化的机器学习平台，这类平台算法有限，但经过了长期的实践检验，系统问题比较少，学习成本低，很少编程甚至不用编程，但系统内的分析模型不够丰富，例如 IBM SPSS Modeler。
• 图形化的机器学习平台，这类平台综合了以上两类平台的优点，既提供了丰富的算法调用接口，又可以通过图形化的人机接口快速搭建机器学习的工作流，并且能减少编程的工作量。目前因特尔、微软、谷歌以及国内的 BAT（百度、阿里巴巴、腾讯）等公司都提供了这样的机器学习平台。

1. Caffe2
   

   Caffe2 是面向工业级应用的框架，应用广泛。但是从安装部署角度来说，Caffe2 的用户体验 并不是非常友好，官方文档和教程支持也不是十分充足。而且 Caffe2 只支持 Python 2，这限制了其未来的拓展。

2. MXNet