原文：
www.kdnuggets.com/2018/06/5-machine-learning-projects-overlook-jun-2018.html
评论
我们回来了。又一次。“Overlook...” 的帖子已经沉寂了几个月，但不用担心，这里有另一篇文章。我们继续着这个谦逊的任务，将强大的、不太为人知的机器学习项目展示给更多的眼睛。
这次外出活动完全由 Python 项目组成，这并非故意设计，而是无疑受到了我自身偏见的影响。虽然之前的版本包含了各种语言的项目（R、Go、C++、Scala、Java 等），我保证不久将推出一个全 R 版本，并在评估这些项目时会请外部协助（我承认对 R 生态系统的了解不深）。
这里有 5 个精心挑选的项目，可以提供一些潜在的新机器学习想法。
1. 实时损失图
不要盲目训练深度学习模型！要有耐心，查看你训练的每个周期！
在 Jupyter Notebook 中的 Keras、PyTorch 和其他框架的实时训练损失图。这是 Piotr Migdał 等人发布的一个开源 Python 包。
与 Keras 一起使用时，实时损失图是一个简单的回调函数。
from livelossplot import PlotLossesKeras
model.fit(X_train, Y_train,
epochs=10,
validation_data=(X_test, Y_test),
callbacks=[PlotLossesKeras()],
verbose=0)2. Parfit
我们下一个项目来自 Jason Carpenter，他是旧金山大学数据科学硕士候选人，同时也是 Manifold 的机器学习工程实习生。
一个用于并行拟合和灵活评分 sklearn 机器学习模型的包，带有可视化例程。
导入后，你可以自由使用 bestFit() 或其他函数。
一个代码示例：
from parfit import bestFit # Necessary if you wish to use bestFit
# Necessary if you wish to run each step sequentially
from parfit.fit import *
from parfit.score import *
from parfit.plot import *
from parfit.crossval import *
grid = {
'min_samples_leaf': [1, 5, 10, 15, 20, 25],
'max_features': ['sqrt', 'log2', 0.5, 0.6, 0.7],
'n_estimators': [60],
'n_jobs': [-1],
'random_state': [42]
}
paramGrid = ParameterGrid(grid)
best_model, best_score, all_models, all_scores = bestFit(RandomForestClassifier(), paramGrid,
X_train, y_train, X_val, y_val, # nfolds=5 [optional, instead of validation set]
metric=roc_auc_score, greater_is_better=True,
scoreLabel='AUC')
print(best_model, best_score)3. Yellowbrick
Yellowbrick 是“用于机器学习模型选择的视觉分析和诊断工具。” 更详细地说：
Yellowbrick 是一套被称为“可视化工具”的视觉诊断工具，它扩展了 scikit-learn API，以允许人工引导模型选择过程。简而言之，Yellowbrick 将 scikit-learn 与 matplotlib 结合在一起，延续了 scikit-learn 文档的最佳传统，但用于生成模型的可视化！
查看 Github 仓库中的示例，以及 文档以获取更多信息。
4. textgenrnn
textgenrnn 为文本生成任务带来了额外的抽象层，旨在让你“轻松训练自己规模和复杂度的文本生成神经网络，只需几行代码即可在任何文本数据集上进行训练。”
该项目基于 Keras 构建，具有以下精选功能：
- 一种现代的神经网络架构，利用新的技术，如注意力加权和跳跃嵌入，以加速训练并提高模型质量。
- 能够在字符级别或词级别上训练和生成文本。
- 能够配置 RNN 大小、RNN 层数以及是否使用双向 RNN。
- 能够在任何通用的输入文本文件上进行训练，包括大型文件。
- 能够在 GPU 上训练模型，然后使用 CPU 生成文本。
- 能够利用强大的 CuDNN 实现的 RNN，在 GPU 上训练时显著加速训练时间，相比于典型的 LSTM 实现。
textgenrnn 非常容易启动和运行：
from textgenrnn import textgenrnn
textgen = textgenrnn()
textgen.train_from_file('hacker-news-2000.txt', num_epochs=1)
textgen.generate()
你可以在上述链接的 Github 仓库中找到更多信息和示例。
5. Magnitude
Magnitude 是“一个快速、简单的向量嵌入实用库”。
这是一个功能丰富的 Python 包和向量存储文件格式，用于以快速、高效和简单的方式在机器学习模型中利用向量嵌入，由 Plasticity 开发。它主要旨在成为 Gensim 的一个更简单/更快速的替代品，但也可以作为一个通用的键-向量存储，用于 NLP 之外的领域。
该仓库提供了各种流行嵌入模型的链接，这些模型已经以 .magnitude 格式准备好使用，还包括将其他词嵌入文件转换为相同格式的说明。
如何导入？
from pymagnitude import *
vectors = Magnitude("/path/to/vectors.magnitude")一针见血。
Github 仓库里充满了更多信息，包括使用这个简化的预训练词嵌入库所需了解的一切。
相关：
-
5 个你不应忽视的机器学习项目，2018 年 2 月
-
5 个你再也不能忽视的机器学习项目
-
5 个你再也不能忽视的机器学习项目（续）
1. 谷歌网络安全证书 - 快速进入网络安全职业。
2. 谷歌数据分析专业证书 - 提升您的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持您的组织 IT