【51CTO.com快译】JavaScript开发人员大多倾向于寻觅一些根据不同的机器学习算法、并可用于练习机器学习模型的JavaScript结构。咱们在下面所罗列出的各种机器学习算法，都适用于本文将为您展现的八种可用于模型练习的JavaScript结构。

• 简略线性回归
• 多变量线性回归
• 逻辑回归
• 朴素贝叶斯（Naive Bayesian）
• K最近邻算法（K-nearest neighbor，KNN）
• K-Means算法
• 支撑向量机（Support vector machine，SVM）
• 随机森林
• 决策树
• 前馈神经网络（Feedforward neural network）
• 深度学习网络

在本文中，您将别离概览到用于机器学习的不同JavaScript结构。它们别离是：

1.DeepLearn.js

Deeplearn.js是Google开发的、开源的机器学习JavaScript库。它能够被用于不同的意图，包括练习浏览器中的神经网络、了解机器学习（ML）模型、以及被用作教育意图等。您能够在推理形式中运转各种预练习的模型。开发者能够在Typescript（ES6 JavaScript）或ES5 JavaScript中编写代码。如想快速入门，您能够经过在HTML文件的head标签中包括以下的代码，并编写用于构建模型的JS程序。

<scriptsrc="https://cdn.jsdelivr.net/npm/deeplearn@latest"></script>
<!--or-->
<scriptsrc="https://unpkg.com/deeplearn@latest"></script>

2.PropelJS

Propel是一个JavaScript库，它为科学核算供给了一个支撑GPU的、相似numpy（译者注：它是Python的一种开源的数值核算扩展）的根底架构。它能够被运用在NodeJS的各种运用以及浏览器中。

以下是为浏览器设置的代码：

<scriptsrc="https://unpkg.com/propel@3.1.0"></script>

而下面则是被用到NodeJS运用的代码：

npminstallpropel
import{grad}from"propel";

PropelJS的文档链接是：http://propelml.org/docs/。它的GitHub页面为https://github.com/propelml/propel。

3.ML-JS

ML-JS为作业在NodeJS和各个浏览器环境中，供给了机器学习的多个东西。ML JS东西能够经过如下的代码进行设置：

<scriptsrc="https://www.lactame.com/lib/ml/2.2.0/ml.min.js"></script>

它能够支撑以下的机器学习算法：

• 无监督学习
  • 主成分剖析（Principal component analysis，PCA）
  • K-Means聚类
• 监督学习
  • 简略线性回归
  • 多变量线性回归
  • 支撑向量机（SVM）
  • 朴素贝叶斯
  • K最近邻算法（KNN）
  • 偏最小二乘（Partial least squares，PLS）
  • 决策树：CART
  • 随机森林
  • 逻辑回归
• 人工神经网络
  • 前馈神经网络

4.ConvNetJS

ConvNetJS是一个JavaScript库，它能够被用于在您的浏览器中，彻底地练习各种深度学习的模型（神经网络）。这个库也能够被用在NodeJS的各种运用之中。

您能够从下载链接--http://cs.stanford.edu/people/karpathy/convnetjs/build/convnet-min.js 来获取ConvNetJS的减缩库，然后上手这个缩小版别的ConvNetJS。它的GitHub页面为https://github.com/karpathy/convnetjs/releases。如下是其对应的加载代码：

<scriptsrc="convnet-min.js"></script>

咱们进一步给出一些重要的参阅页面的地址：

• ConvNetJS的NPM软件包：https://www.npmjs.com/package/convnetjs
• 入门文档：https://cs.stanford.edu/people/karpathy/convnetjs/started.html
• 参阅文档：https://cs.stanford.edu/people/karpathy/convnetjs/docs.html

5.KerasJS

运用KerasJS和支撑GPU的WebGL，您能够在浏览器中运转Keras的模型。除了CPU形式，该模型也能够在Node.js中运转。Keras的GitHub页面为https://github.com/transcranial/keras-js。以下是能够在浏览器中运转的一切Keras的模型列表：

• MNIST的根本转化（译者注：MNIST是一个入门级的核算机视觉数据集）
• 经MNIST练习的卷积变分自编码器
• 根据MNIST的辅佐分类器生成对立网络（AC-GAN）
• 经ImageNet练习的50层残差网络（residual network）
• 经ImageNet练习的Inception v3模型
• 经ImageNet练习的DenseNet-121（极深网络）模型
• 经ImageNet练习的SqueezeNet v1.1模型
• 根据IMDB情感分类的双向长短期回忆网络（LSTM）

6.STDLib

STDLib是一个JavaScript库，它能够被用于构建高档的计算模型和各种机器学习库。它也能够被用于数据可视化与探索性数据剖析的制作和图形功用。

以下是与机器学习（ML）有关的各种相关库的列表：

• 经过随机梯度下降的线性回归(@stdlib/ml/online-sgd-regression)
• 经过随机梯度下降的二元分类(@stdlib/ml/online-binary-classification)
• 自然语言处理(@stdlib/nlp)

7.Limdu.js

Limdu.js是一个针对Node.js的机器学习结构。它支撑以下方面：

• 二进制分类
• 多标签分类
• 特征工程（Feature engineering）
• 支撑向量机（SVM）

开发者能够运用如下的指令来装置limdu.js：

npminstalllimdu

8.Brain.js

Brain.js是一套用于练习神经网络和朴素贝叶斯分类器的JavaScript库。您能够运用如下指令来设置Brain.js：

npminstallbrain.js

开发者也能够运用以下代码，在浏览器中包括该库：

<scriptsrc="https://raw.githubusercontent.com/harthur-org/brain.js/master/browser.js"></script>

如下的指令能够被用于装置朴素贝叶斯分类器：

npminstallclassifier

总结

在本文中，您了解到了可用于在浏览器、以及Node.js运用中练习机器学习模型的不同JavaScript库。假如您有爱好了解更多有关机器学习的文档，咱们主张您去检查咱们的机器学习文档集-- https://vitalflux.com/category/machine-learning/。

假如您觉得本文对您有所协助，或许您对本文所提及的机器学习JavaScript结构有任何的疑问与主张，欢迎您在此留下谈论或提出问题。

原文标题：8 Machine Learning JavaScript Frameworks to Explore，作者：Ajitesh Kumar

【51CTO译稿，协作站点转载请注明原文译者和出处为51CTO.com】