如今开源是创新的核心，推动着技术的飞速革新。本文会为你介绍 2016 年机器学习 Top 20 Python 开源项目，同时分析得出一些有趣的见解和发展趋势。

KDnuggets 为您带来 Github 上最新的 Python 机器学习开源项目前 20 名。奇怪的是，去年一些非常活跃的项目渐渐停滞了，因此没能上榜，而 13 个新项目冲进了今年的 top 20（参考贡献 contributions 和提交数 commits）。

2016 Top 20 Python 机器学习开源项目

1. Scikit-learn 是一个简单且高效的数据挖掘和数据分析工具，易上手，可以在多个上下文中重复使用。它基于NumPy, SciPy 和 matplotlib，开源，可商用（基于 BSD 许可）

提交数: 21486, 贡献者: 736, Github 链接: Scikit-learn(http://github.com/scikit-learn/scikit-learn0

2. Tensorflow 最初由谷歌机器智能科研组织中的谷歌大脑团队（Google Brain Team）的研究人员和工程师开发。该系统设计的初衷是为了便于机器学习研究，能够更快更好地将科研原型转化为生产项目。

提交数: 10466, 贡献者: 493, Github 链接: Tensorflow(https://github.com/tensorflow/tensorflow)

3. Theano 允许高效地定义、优化以及评估涉及多维数组的数学表达式. 提交数: 24108, 贡献者: 263, Github 链接: Theano(https://github.com/Theano/Theano)

4. Caffe 是一个基于表达式，速度和模块化原则创建的深度学习框架。它由伯克利视觉学习中心（BVLC, Berkeley Vision and Learning Center）和社区贡献者共同开发。 提交数: 3801, 贡献者: 215, Github 链接: Caffe(https://github.com/BVLC/caffe)

5. Gensim 是一个免费的 Python 库，它包含可扩展的统计语义，分析纯文本文档的语义结构，以及检索相似语义的文档等功能。

提交数: 2702, 贡献者: 145, Github 链接: Gensim(https://github.com/RaRe-Technologies/gensim)

6. Pylearn2 是一个机器学习库。它的大多数功能都是构建于Theano 之上的。这意味着你可以利用数学表达式自己写 Pylearn2 插件（新模型，算法等等），Theano 会为你优化这些表达式使其更加稳定，你还可以选择将其编译到后端（CPU 或 GPU ）。

提交数: 7100, 贡献者: 115, Github 链接: Pylearn2(http://github.com/lisa-lab/pylearn2)

7. Statsmodels 是一个 Python 模块，可以用来探索数据，估计统计模型，进行统计测试。对于不同类型的数据和模型估计，都有描述性统计，统计测试，绘图功能和结果统计的详细列表可用。

提交数: 8664, 贡献者: 108, Github 链接: Statsmodels(https://github.com/statsmodels/statsmodels/)

8. Shogun 是一个机器学习工具箱，它提供了很多统一高效的机器学习方法。这个工具箱允许多个数据表达，算法类和通用工具无缝组合。

提交数: 15172 贡献者: 105, Github 链接: Shogun(https://github.com/shogun-toolbox/shogun)

9. Chainer 是一个基于 Python 的独立的深度学习模型开源框架。Chainer 提供了灵活、直观且高性能的方法实现全方位的深度学习模型，包括循环神经网络 (recurrent neural networks) 和变分自编码器(variational autoencoders)这些最新的模型 。

提交数: 6298, 贡献者: 84, Github 链接: Chainer(https://github.com/pfnet/chainer)

10. NuPIC 是一个基于 HTM 算法 (Hierarchical Temporal Memory) 的开源项目。HTM 的一部分已经通过实践、测试和应用，另一部分仍在开发之中。

提交数: 6088, 贡献者: 76, Github 链接: NuPIC(http://github.com/numenta/nupic)

11. Neon 是 Nervana 公司一个基于 Python 的深度学习库。它易于使用且具有超高的性能。

提交数: 875, 贡献者: 47, Github 链接: Neon(https://github.com/NervanaSystems/neon)

12. Nilearn 是一个 Python 模块，用于在神经成像 (NeuroImaging) 数据上进行快速简单的统计学习。它利用 scikit-learn Python 工具箱来处理多变量统计信息，包括预测建模，分类，解码或连接分析.

提交数: 5254, 贡献者: 46, Github 链接: Nilearn(http://github.com/nilearn/nilearn)

13. Orange3 是一个同时适用于新手和数据专家的机器学习和 数据可视化 开源软件，支持拥有大型工具箱的交互式数据分析工作流程。

提交数: 6356, 贡献者: 40, Github 链接: Orange3(https://github.com/biolab/orange3)

14. Pymc 是一个Python 模块，它能实现贝叶斯统计模型和拟合算法，包括马尔科夫链蒙特卡罗（Markov chain Monte Carlo）算法。它非常灵活，具有可扩展性，适用于处理一系列大规模问题。

提交数: 2701, 贡献者: 37, Github 链接: Pymc(https://github.com/pymc-devs/pymc)

15. PyBrain 是一个模块化的 Python 机器学习库。它致力于为机器学习任务提供灵活易上手但功能强大的算法，和一系列用于测试和比较算法的预定义环境。

提交数: 984, 贡献者: 31, Github 链接: PyBrain(http://github.com/pybrain/pybrain)

16. Fuel 是一个数据管道框架（data pipeline framework），它为机器学习模型提供所需的数据。Blocks 和 Pylearn2 这两个神经网络库都有计划使用 Fuel。

提交数: 1053, 贡献者: 29, Github 链接: Fuel(http://github.com/mila-udem/fuel)

17.PyMVPA 是一个 Python 包，旨在简化大型数据集的统计学习分析。它提供了一个可扩展的框架和一个用于分类，回归，特征选择，数据导入导出等算法的高级接口。

提交数: 9258, 贡献者: 26, Github 链接: PyMVPA(https://github.com/PyMVPA/PyMVPA)

18. Annoy (Approximate Nearest Neighbors Oh Yeah) 是一个带有 Python 绑定的 C++ 库，用于在空间中找到和已知的查询点临近的点。它还可以创建大型的基于文件的只读数据结构，并映射至内存，以便多个进程能共同使用相同的数据。

提交数: 365, Contributors: 24, Github 链接: Annoy(https://github.com/spotify/annoy)

19. Deap 是一个创新的，仍在发展中的计算框架，用于快速构建原型和测试方法。它旨在使算法和数据结构更加清晰透明。它与并行机制（如多进程和 SCOOP 模块）完美协调。

提交数: 1854, 贡献者: 21, Github 链接: Deap(https://github.com/deap/deap)

20. Pattern 是一个 Python 的网络挖掘模块。它绑定了数据挖掘(Google + Twitter + Wikipedia API, 网络爬虫, HTML DOM 解析器)， 自然语言处理 (词性标记, n-gram 搜索, 语义分析, WordNet)，机器学习(向量空间模型, k-means 聚类, Naive Bayes + k-NN + SVM 分类器) 和网络分析(图核心性 graph centrality 和可视化)等工具。

提交数: : 943, Contributors: 20 , Github 链接: Pattern(http://github.com/clips/pattern)

在下面的图表中，可以看到 PyMVPA 相较于其他项目拥有最高的贡献率（contribution rate）。令人吃惊的是，Scikit-learn 虽然拥有最多的贡献者，但是贡献率却很低。这种现象背后的原因可能是：PyMVPA 是新项目，正处于开发的早期阶段，新功能开发，漏洞修补和重构等都能够引导更多的提交。而 Scikit-learn 属于比较旧且非常稳定的项目，改进和修复的空间更小。

在比较同时上榜 2015 和 2016 Top 20 的项目时，可以发现，Pattern，PyBrain 和 Pylearn2 没有新的贡献者（contributors）也没有新的贡献代码。同时，还可以发现贡献者数和提交数之间有显著关联。贡献者数的增长可能会导致提交数的增长，我认为这是开源项目和社区的魔力——引领头脑风暴，激发更多创意，开发更好的软件工具。

以上是对 2016 Python 机器学习开源项目所做的分析，该分析基于项目贡献者和提交数，作者是 KDnuggets 团队的 Prasad 和 Gregory。

开源万岁！分享万岁！

本文由编译：伯乐在线专栏作者 - 刘唱