机器学习正迅速成为主流，与我们的生活和工作也越来越密切！尽管许多因素促成了机器学习的增长，但其中一个原因是开发人员对它的应用更容易，这都要仰仗开源框架。

如果你对机器学习还不熟悉，并且对使用的某些术语（如“框架”和“库”）感到困惑，先看这里。

框架。确切地说，一个模糊的术语；即使那些经常使用它的人也无法就其确切的定义达成一致。但是，在大多数情况下，“框架”指的是一堆程序，库和语言，帮助构建应用开发。

库。应用使用的对象或方法的集合。这是一个包含可重复使用的代码的文件，可以被许多应用共享，因此不必重复编写相同的代码。

2018年如果要深入研究机器学习，有许多框架可用，你不妨先从5个主流框架开始。

TensorFlow

Google Brain团队开发了TensorFlow来处理感知和语言理解任务。它还可以进行机器学习和深度神经网络的研究。TensorFlow有一个基于Python的界面。它用于Google的许多产品中，处理语音识别，Gmail，照片和搜索。

这个框架的有用之处在于它可以执行复杂的数学计算并查看数据流图。TensorFlow非常灵活，用户可以在其上编写自己的库。它也是可移植的，能够在云中和移动计算平台以及CPU或GPU上运行。

亚马逊机器学习（AML）

亚马逊机器学习是为开发人员设计的，有许多工具和向导可帮助你创建机器学习模型，而无需学习机器学习如何工作的所有复杂性。借助AML，可以生成预测并使用Amazon Redshift（数据仓库平台即服务）中的数据。

Shogun

Shogun拥有许多最先进的算法，使其成为一个方便的工具。它用C ++编写，为机器学习问题提供数据结构。它可以在Windows，Linux和MacOS上运行。此外，Shogun很有用，因为它支持与其他机器学习库的绑定。该列表非常广泛，但它们包括：SVMLight，LibSVM，libqp，SLEP，LibLinear，VowpalWabbit和Tapkee。

Accord.NET

Accord.NET是一个.NET机器学习框架，拥有多个库来处理从模式识别，图像和信号处理到线性代数，统计数据处理等等的所有内容。Accord非常有用，因为它提供了很多功能，包括40种不同的统计分布，30多种假设检验和38种以上的内核功能。

Apache Signa，Apache Spark MLlib和Apache Mahout

Apache Signa，Apache Spark MLlib和Apache Mahout是三个框架，提供了很多功能。Apache Signa主要用于自然语言处理和图像识别，它可以运行在各种硬件上。

Mahout为各种数学运算提供Java库和Java集合。Spark MLlib是为了让机器学习变得容易而创建的。它汇集了许多学习算法和实用程序，包括分类，聚类，降维等等。