Python中数据挖掘常用模块

基本模块： NumPy，Pandas ，SciPy ，scikit-learn。

其他常用模块：

Theano：Python库，用来定义、优化和模拟数学表达式计算，用于高效地解决多维数组的计算问题以及深度学、框架。

Keras：基于Theano的深度学习库，主要用于搭建人工神经网络、自编码器、卷积神经网络等深度学习模型。

Gensim：Python自然语言处理模块，包括自然语言主题模型，用于文本的主题挖掘。

StatsModels：注重数据统计建模分析的数据处理模块，与Pandas结合，强大的数据挖掘组合。

NLTK：（natural language toolkit）Python自然语言处理模块，包括一系列的字符处理和语言统计模型。常用于学术研究和教学，应用领域有语言学、认知科学、人工智能、信息检索、机器学习等。

Mlpy：基于NumPy和SciPy的机器学习模块，CPython的拓展应用。

PyBrain：Python机器学习模块，用于处理神经网络、强化学习、无监督学习、进化算法。

Milk：Python机器学习工具箱，重点提高监督分类法与几种有效的分类分析：SVMs，kNN,随机森林和决策树等。

Pattern: Python的web挖掘模块，绑定了Google、Twitter、Wikipedia API，提供网络爬虫、HTML解析功能，文本分析包括浅层规则解析、WordNet接口、句法与语义分析、TF-IDF、LSA等，还提供聚类、分类和图网络可视化的功能。

Orange：基于组件的数据挖掘和机器学习软件套装，它功能友好强大，拥有快速而多功能的可视化编程前端，以便浏览数据分析和可视化，且绑定了Python已进行脚本开发。它包含了完整的一系列的组件以进行数据预处理，并提供了数据账目、过渡、建模、模式评估和勘探的功能。

MXNet：深度学习最新框架，性能和速度超越Theano。

XGBoost：是一个速度快、效果好的boosting模型，被封装成了Python模块。该模块能够自动利用CPU的多线程进行并行，同时提高了算法的精度。