【算法 2022】高效有用的机器学习算法和 Python 库

本文主要是介绍【算法 2022】高效有用的机器学习算法和 Python 库，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

2022年已经到来，在此祝大家虎年大吉！2022年，下面几种机器学习算法和 Python 库将在未来更受欢迎！让我们花个几分钟一起来了解下：

一、CatBoost

CatBoost 可能是最新的算法，因为它随着越来越流行而不断更新。这个机器学习算法对于处理分类数据的数据科学家特别有用。您可以考虑 Random Forest 和 XGBoost 算法的优点，CatBoost 具有它们的大部分优点，同时还具有更多其它的优点。

无需担心参数调整——默认值通常会胜出，通常不值得手动调整，除非您想通过手动更改值来针对特定的异常分布
更准确——不太过拟合，并且当您使用更具分类性的特征时，往往会得到更准确的结果
快速——这种算法往往比其它基于树的算法更快，因为它不必担心用于示例的使用独热编码（one-hot
encoding）的大型稀疏数据集，因为它使用了一种目标编码更快地预测——您可以更快地训练，这样您也就可以更快地使用您的 CatBoost 模型进行预测
SHAP——这个库被集成，便于解释整体模型的特征重要性以及特定预测总的来说，CatBoost
非常棒，因为它易于使用、功能强大，在算法领域具有竞争力，并且可以列在您的简历中来增光添彩。它可以帮助您创建更好的模型，最终使您的项目更好地为您的公司服务。

适用任务：回归，分类，较适合分类模型

官方文档地址：catboost官网教程

二、PyCaret

因为没有太多的新算法需要讨论，我想包括一种能够比较几种算法的库，其中一些算法可能会更新迭代，所以比较新。这个 Python 库是开源和低代码的，可以被引用。当我开始比较并最终选择我的数据科学模型的最终算法时，它让我更加了解新的和即将流行的机器学习算法。

更少的编码时间——您不需要导入库，也不需要设置每个算法特有的每个预处理步骤，相反，您可以填写一些参数，让您可以将几乎所有您听说过的算法并排进行比较
易于使用——随着库的演变，它们的易用性也在不断提高。
端到端处理——可以研究从数据转换到预测结果的数据科学问题
集成良好——可以 Power BI 中使用 AutoML
整合——可以加入不同的算法以获得更多好处
校准和优化模型
关联规则挖掘
更重要的是，一次性比较 20+算法总的来说，这个库虽然并不是一个新算法，但是它很可能包含 2022
年的新算法，或者至少是最新的算法，甚至像上面提到的 CatBoost
这样的算法都包含在这个库中——这就是我如何发现它的。话虽如此，我认为重要的是要包含这个库，这样您不仅可以了解 2022
年的最新算法，还可以了解您以前没有听说过或者错过的比较老的算法，因为您可以通过简单的用户界面将它们并排进行比较。

pycaret 官方文档教程

三、FastAPI

官方网站：官网教程

在这里插入图片描述

FastAPI是一个Python网页框架。FastAPI以其高效、易用赢得了开发者的青睐，直接挑战了Django和Flask的传统地位。FastAPI的优点是，类型检查、自动 swagger UI、支持异步、强大的依赖注入。

四、ddddocr

带带弟弟OCR通用验证码识别库，包含滑块识别算法，普通验证码识别

ddddocr是由sml2h3开发的专为验证码厂商进行对自家新版本验证码难易强度进行验证的一个python库，其由作者与kerlomz共同合作完成，通过大批量生成随机数据后进行深度网络训练，本身并非针对任何一家验证码厂商而制作，本库使用效果完全靠玄学，可能可以识别，可能不能识别。

安装：

pip install ddddocr

在这里插入图片描述

# -*- coding: utf-8 -*-import ddddocrocr = ddddocr.DdddOcr(old=True)with open("test.jpg", 'rb') as f:image = f.read()res = ocr.classification(image)
print(res)

识别结果：

欢迎使用ddddocr，本项目专注带动行业内卷，个人博客:wenanzhe.com
训练数据支持来源于:http://146.56.204.113:19199/preview
爬虫框架feapder可快速一键接入，快速开启爬虫之旅：https://github.com/Boris-code/feapder
3n3d