pomegranate

收录理由

pomegranate 走的是一条不同于多数机器学习库的路线：它不把一堆现成估计器简单堆在一起，而是将所有模型都视为概率分布，这一设计让组合变得异常灵活。高斯混合模型不过就是把正态分布放进混合模型里，同样的手法也适用于伽马分布、泊松分布，甚至贝叶斯网络。你还可以把隐马尔可夫模型嵌入贝叶斯分类器，直接对序列做分类。1.0 版本用 PyTorch 重写了底层，替换掉原来的 Cython，多数方法因此更快且支持 GPU 加速，代价是 API 全面调整，旧代码可能需要改写。如果你在做序列标注、聚类、异常检测或图模型相关的工作，又不想从零手写 NumPy 逻辑，这个库值得一试。