通常，人們使用兩種編程語言之一來應用機器學習(ML)方法和算法：Python或R.關于機器學習的書籍，課程和教程通常也使用這些語言中的一種(或兩者)。

[[270861]]

Python是一種通用編程語言，不僅用于機器學習，還用于科學計算，后端Web開發，桌面應用程序等.R主要用于統計學家。但是，它們至少有兩個共同特征：

• 它們適合非程序員
• 他們有全面的ML庫

在許多情況下，ML算法在Fortran，C，C ++或Cython中實現，并從Python或R調用。

Java也用于機器學習，但通常由專業程序員使用。

在過去的幾年中，JavaScript得到了普及，并且出現了一些非常有趣的機器學習庫，可以在瀏覽器或Node.js上實現ML方法。令人驚訝的是，許多這些庫在JavaScript中實現了大量代碼。

ml.js

ml.js是一個全面的，通用的JavaScript ML庫，適用于瀏覽器和Node.js. 它提供了以下例程：

• 對數組，哈希表，排序，隨機數生成等的位操作。
• 線性代數，數組操作，優化(Levenberg-Marquardt方法)，統計
• 交叉驗證
• 監督學習
• 無監督學習

支持的監督學習方法是：

• 線性，多項式，指數和冪回歸
• K-最近鄰居
• 樸素貝葉斯
• 支持向量機
• 決策樹和隨機森林
• 前饋神經網絡等

此外，ml.js提供了幾種無監督的學習方法：

• 主成分分析
• 聚類分析(k均值和層次聚類)
• 自組織地圖(Kohonen網絡)

TensorFlow.js

TensorFlow是***的機器學習庫之一。它側重于人工神經網絡的各種類型和結構，包括深度網絡以及網絡的組件。

TensorFlow由Google Brain Team創建，使用C ++和Python編寫。但是，它可以與包括JavaScript在內的多種語言一起使用。

TensorFlow是一個非常全面的庫，仍然可以輕松地構建和培訓模型。它支持各種各樣的網絡層，激活功能，優化器和其他組件。它具有良好的性能并提供GPU支持。

TensorFlow.js是一個用于瀏覽器或Node.js的JavaScript ML庫。它支持WebGL。

brain.js

brain.js是一個用JavaScript編寫的庫 - 專注于訓練和應用前饋和循環神經網絡。它還提供其他實用程序，例如神經網絡所需的數學例程。

它提供了高級選項，如：

• 使用GPU訓練網絡
• 可以并行適應多個網絡的異步培訓
• 交叉驗證是一種更復雜的驗證方法

brain.js將模型保存到JSON文件或從中加載模型。

ConvNetJS

ConvNetJS是神經網絡和深度學習的另一個庫。它可以在瀏覽器中訓練神經網絡。除了分類和回歸問題，它還有強化學習模塊(使用Q學習)仍然是實驗性的。ConvNetJS為在圖像識別方面表現優異的卷積神經網絡提供支持。

在ConvNetJS中，神經網絡是層的列表。它提供以下層：

• 輸入(***個)圖層
• 完全連接的層
• 卷積層
• 匯集層
• 局部對比度歸一化層
• 分類器丟失(輸出)層：softmax和svm
• 使用L2的回歸損失(輸出)層

它支持幾個重要的激活功能，如：

• RELU
• 乙狀結腸
• 雙曲正切
• MAXOUT

以及優化器如：

• 隨機梯度下降
• Adadelta
• AdagradS
• ConvNetJS還提供了一種方便的方法來保存和加載JSON文件的模型。

執照：麻省理工學院。

WebDNN

WebDNN是一個專注于深度神經網絡的圖書館，包括具有LSTM架構的遞歸神經網絡。它使用TypeScript和Python編寫，并提供JavaScript和Python API。

它還提供了在瀏覽器中執行GPU的可能性。

WebDNN的一個非常方便的功能是可以轉換和使用PyTorch，TensorFlow，Keras，Caffemodel或Chainer預訓練的模型。

natural

natural是一個用于Node.js的自然語言處理的JavaScript庫。

它支持：

• 標記化(將文本分解為字符串數組)
• 弦距離的計算
• 匹配相似的字符串
• 分類(樸素貝葉斯，邏輯回歸和***熵)
• 情感分析(目前有八種語言)
• 語音匹配，inflectors，n-gram等

結論

在過去的幾年里，JavaScript和機器學習都得到了很多關注和普及。盡管最初是為了實現網頁的動態行為而創建的，但JavaScript成為實現和應用機器學習方法的***語言之一，尤其是在瀏覽器或服務器(Node.js)中。

本文提供了有關JavaScript機器學習庫可用性的初始信息。