本文共 2317 字，大约阅读时间需要 7 分钟。
JavaScript开发人员倾向于寻找可用于机器学习模型训练的JavaScript框架。下面是一些机器学习算法，基于这些算法可以使用本文中列出的不同JavaScript框架来模型训练：
简单的线性回归
多变量线性回归
逻辑回归
朴素贝叶斯
k最近邻算法（KNN）
K-means
支持向量机（SVM）
随机森林
决策树
前馈神经网络
深度学习网络
在这篇文章中，你将学习针对机器学习的不同JavaScript框架。具体内容为：
1.DeepLearn.js
Deeplearn.js是Google发布的一个开源的机器学习JavaScript库，可用于不同的目的，例如在浏览器中训练神经网络，理解ML模型，用于教育目的等。你可以在推理模式中运行预先训练的模型。可以在Typescript（ES6 JavaScript）或ES5 JavaScript中编写代码。通过在HTML文件的head标签中包含以下代码并编写用于构建模型的JS程序，可以实现快速入门。
2.PropelJS
Propel，一个JavaScript库，为科学计算提供了GPU支持的类似numpy的基础架构。它可以用于NodeJS app和浏览器。以下是浏览器的设置代码：
以下代码可用于NodeJS app：
PropelJS 文档（Propel doc）。Propel的GitHub页面。
3.ML-JS
ML-JS提供了用于使用NodeJS和浏览器的机器学习工具。ML JS工具可以使用以下代码进行设置：
支持以下机器学习算法：
无监督学习
主成分分析（PCA）
K均值聚类
监督学习
简单线性回归
多变量线性回归
支持向量机（SVM）
朴素贝叶斯
K最近邻算法（KNN）
偏最小二乘算法（PLS）
决策树：CART
随机森林
逻辑回归
人工神经网络
前馈神经网络
4.ConvNetJS
ConvNetJS是一个JavaScript库，完全用于在浏览器中深度学习模型训练（神经网络）。这个库也可以用在NodeJS app中。
可以从ConvNetJS简化库中获取ConvNetJS的简化版本入门。ConvNetJS的发布页面。
5.KerasJS
通过KerasJS，你可以在浏览器中运行Keras模型，并使用WebGL得到GPU支持。模型也可以在Node.js中运行，但只能在CPU模式下运行。Keras的GitHub页面。以下是可以在浏览器中运行的Keras模型列表：
MNIST的基本convnet
卷积变分自编码器，在MNIST上训练
MNIST上的辅助分类器生成式对抗网络（AC-GAN）
50层残差网络，在ImageNet上训练
Inception v3，在ImageNet上训练
DenseNet-121，在ImageNet上训练
SqueezeNet v1.1，在ImageNet上训练
IMDB情绪分类的双向LSTM
6.STDLIB
STDLib是一个JavaScript库，可用于构建高级统计模型和机器学习库。它也可以用于数据可视化和探索性数据分析的绘图和图形功能。
以下是与ML有关的库列表：
通过随机梯度下降进行线性回归（@ stdlib / ml / online-sgd-regression）
通过随机梯度下降进行二元分类（@ stdlib / ml / online-binary-classification）
自然语言处理（@ stdlib / nlp）
7.Limdu.js
Limdu.js是Node.js的机器学习框架。它支持以下一些内容：
二元分类
多标签分类
特征工程
SVM
可以使用以下命令来安装limdu.js：
8.Brain.js
Brain.js是一套用于训练神经网络和朴素贝叶斯分类器的JavaScript库。以下代码可用于安装Brain.js：
也可以使用以下代码在浏览器中引入该库：
以下内容可用于安装朴素贝叶斯分类器：
总结
在这篇文章中，我们了解了可用于在浏览器和Node.js app中机器学习模型训练的不同JavaScript库。
这篇文章对你有帮助吗？或者你对文中有关机器学习的JavaScript框架有任何疑问或建议？欢迎在评论中留下你的看法并提出问题来共同探讨。
公众号回复“机器学习”，
邀你加入{IT派AI机器学习群}
转载地址：http://cbxgf.baihongyu.com/