様々な機能を簡単に使えるツール群。
１．scikit-learn(サイキットラーン)
広範なクラスタリング、回帰・分類アルゴリズム、次元削減*などを備えた機械学習ライブラリ。
機械学習ライブラリとしては最も有名であり、機械学習のスタンダートと言われています。
NumPy,SciPyなどの数値計算ライブラリや、描画ライブラリであるMatplotlib上との相互運用が可能です。
２．TensorFlow(テンソーフロー)
大規模な数値計算・多次元の行列計算をはじめ、様々な数値演算ができる汎用的なライブラリであり、機械学習系モデルの作成をサポートしてくれます。
画像認識、手書き数字の認識、ニューラルネットワークの構築*、自然言語処理*、偏微分方程式のディープニューラルネットワークの処理などもできます。
３． PyTorch(パイトーチ)
ここ数年で人気急上昇中の深層学習ライブラリー。
人工知能・機械学習の研究分野において圧倒的な人気を誇り、コミュニティによるサポートがしっかりしています。PyTorchは、Chainerなどの考え方をベースに設計されているため、基本的な使い方がNumPyやChainerと似ています。TensorFlow同様にニューラルネットワーク*の構築ができますが、TensorFlowよりもわかりやすく、ソースコードも見やすくて便利です。
４．Pandas(パンダス)
データ分析の前処理に便利な機能を提供するライブラリー。表形式のデータ整形、欠損値の補完など。CSV、SQLデータベース、JSONファイル、Excelなどの幅広いソースからデータを読み取ることができます。
５． Matplotlib(マットプロットリブ)
2次元のグラフを描画するライブラリー。機械学習において大規模なデータをひもといて理解するにはデータの可視化が必須です。様々なグラフをはじめ、数値計算ライブラリのNumPyとあわせてグラフ化したり、MatplotlibのラッパーライブラリであるSeabornを合わせて使うことでより見やすいグラフ作成などが可能です。
６．NumPy(ナムパイ)
多次元配列や行列などの演算を行う数値計算ライブラリ。数値計算ライブラリとしては最もよく使われ、他のライブラリと併用して用いられることも多く、数値計算ライブラリの基本といえるでしょう。
７．SciPy(サイパイ)
数値計算・解析ライブラリ。統計処理やフーリエ変換などの高度な科学計算をはじめ、信号処理、画像処理なども簡単にできます。
