我们在Github上的COBOL和提交者当中检查和了用Python词汇展开电脑自学的开放源码工程项目，并选取最畅销和最活耀的工程项目。
1. Scikit-learn（重点项目所推荐）www.github.com/scikit-learn/scikit-learnScikit-learn 是如前所述Scipy为电脑自学修建的的两个Python组件，他的民族特色就是多元化化的进行分类，重回和控制点的演算法包括全力支持矢量机，方法论重回，朴实贝叶斯预估器，乱数丛林，Gradient Boosting，控制点演算法和DBSCAN。所以也结构设计出了Python numerical和scientific libraries Numpy and Scipy
2、Keras（广度自学）https://github.com/fchollet/kerasKeras是如前所述Theano的两个广度自学架构，它的结构设计参照了Torch，用Python词汇撰写，是两个度组件化的数学数学模型库，全力支持GPU和CPU。
3、Lasagne（广度自学）不只是两个可口的意大利菜，也是两个和Keras有著相近机能的广度自学库，但其在结构设计上与它很多不同。
4.Pylearn2www.github.com/lisa-lab/pylearn2Pylearn是两个让电脑自学科学研究形式化的如前所述Theano的库流程。它把广度自学和人工智慧科学研究很多常见的数学模型以及体能训练演算法PCB成两个单个的试验包，如乱数势能上升。
5.NuPICwww.github.com/numenta/nupicNuPIC是两个以HTM自学演算法为辅助工具的电脑智能化网络平台。HTM是皮质的准确计算结果。HTM的核心理念是如前所述时间的稳步自学算
6. Nilearnwww.github.com/nilearn/nilearnNilearn 是两个能快速统计统计数据自学脊髓图像统计数据的Python组件。它借助Python词汇中的scikit-learn widget和一些展开预估可视化，进行分类，音频，封闭性预测的插件来展开多元化的统计统计数据。
7.PyBrainwww.github.com/pybrain/pybrainPybrain是如前所述Python词汇加强自学，人工智慧，数学数学模型库的全称。 它的最终目标是提供更多灵巧、难采用因此强悍的电脑自学演算法和展开各式各样的原订义的环境中测试来比较你的演算法。
8.Patternwww.github.com/clips/patternPattern 是Python词汇下的两个网络挖掘组件。它为统计数据挖掘，自然词汇处理，网络预测和电脑自学提供更多辅助工具。它全力支持矢量空间数学模型、控制点、全力支持矢量机和感知机因此用KNN进行分类法展开进行分类。
9.Fuelwww.github.com/mila-udem/fuelFuel为你的电脑自学数学模型提供更多统计数据。他有两个共享如MNIST, CIFAR-10 (图片统计数据集), Googles One Billion Words (文字)这类统计数据集的接口。你采用他来通过很多种的方式来替代自己的统计数据。
10.Bobwww.github.com/idiap/bobBob是两个免费的信号处理和电脑自学的辅助工具。它的widget是用Python和C++词汇共同撰写的，它的结构设计目的是变得更加高效因此减少开发时间，它是由处理图像辅助工具,音频和视频处理、电脑自学和模式识别的大量软件包构成的。
11.Skdatawww.github.com/jaberg/skdataSkdata是电脑自学和统计统计数据的统计数据集的库流程。这个组件对于玩具问题，流行的计算机视觉和自然词汇的统计数据集提供更多标准的Python词汇的采用。
12.MILKwww.github.com/luispedro/milkMILK是Python词汇下的电脑自学辅助工具包。它主要是在很多可得到的进行分类比如SVMS,K-NN,乱数丛林，决策树中采用监督进行分类法。 它还执行特征选择。 这些预估器在很多方面相结合,可以形成不同的例如无监督自学、密切关系金传播和由MILK全力支持的K-means控制点等进行分类系统。
13.IEPYwww.github.com/machinalis/iepyIEPY是两个专注于关系抽取的开放源码性信息抽取辅助工具。它主要针对的是需要对大型统计数据集展开信息提取的用户和想要尝试新的演算法的科学家。
14.Quepywww.github.com/machinalis/quepyQuepy是通过改变自然词汇问题从而在统计数据库查询词汇中展开查询的两个Python架构。他可以简单的被定义为在自然词汇和统计数据库查询中不同类型的问题。所以，你不用编码就可以建立你自己的两个用自然词汇进入你的统计数据库的系统。
现在Quepy提供更多对于Sparql和MQL查询词汇的全力支持。因此计划将它延伸到其他的统计数据库查询词汇。
15.Hebelwww.github.com/hannes-brt/hebelHebel是在Python词汇中对于数学数学模型的广度自学的两个库流程，它采用的是通过PyCUDA来展开GPU和CUDA的加速。它是最重要的数学数学模型数学模型的类型的辅助工具所以能提供更多一些不同的活动函数的激活机能，例如动力，涅斯捷罗夫动力，信号丢失和停止法。
16.mlxtendwww.github.com/rasbt/mlxtend它是两个由有用的辅助工具和日常统计数据科学任务的扩展组成的两个库流程。
17.nolearnwww.github.com/dnouri/nolearn这个流程包容纳了大量能对你完成电脑自学任务有帮助的实用流程组件。其中大量的组件和scikit-learn一起工作，其它的通常更有用。
18.Rampwww.github.com/kvh/rampRamp是两个在Python词汇下制定电脑自学中加快原型结构设计的解决方案的库流程。他是两个轻型的pandas-based电脑自学中可插入的架构，它现存的Python词汇下的电脑自学和统计统计数据辅助工具（比如scikit-learn,rpy2等）Ramp提供更多了两个简单的声明性语法探索机能从而能加速有效地实施演算法和转换。
19.Feature Forgewww.github.com/machinalis/featureforge这一系列辅助工具通过与scikit-learn兼容的API，来创建和测试电脑自学机能。
这个库流程提供更多了一组辅助工具，它会让你在很多电脑自学流程采用中很受用。当你采用scikit-learn这个辅助工具时，你会感觉到受到了很大的帮助。（虽然这只能在你有不同的演算法时起作用。）
20.REPwww.github.com/yandex/repREP是以一种和谐、可再生的方式为指挥统计数据移动驱动所提供更多的一种环境。
它有两个统一的预估器包装来提供更多各式各样的操作，例如TMVA, Sklearn, XGBoost, uBoost等等。因此它可以在两个群体以平行的方式体能训练预估器。同时它也提供更多了两个交互式的情节。
21.Python 自学电脑样品www.github.com/awslabs/machine-learning-samples用亚马逊的电脑自学修建的简单软件收集。
22.Python-ELMwww.github.com/dclambert/Python-ELM这是两个在Python词汇下如前所述scikit-learn的极端自学电脑的实现。
23.gensim
主题数学模型python实现
Scalable statistical semantics
Analyze plain-text documents for semantic structure
Retrieve semantically similar documents
