Web的整個系統已經在近幾年中有了長足的發展， 雖然 Javascript 和 node.js的使用案例還遠遠無法和Java/Python來媲美。 但是 也足夠應用到很多機器學習的環境中去啦。而且最大的優勢在於 - 一個瀏覽器就可以幫你搞定了一切 ！
本文主要跟大家介紹了前端Javascript實現的機器學習類別庫，小編覺得挺不錯的，現在分享給大家，也給大家做個參考，希望能幫助到大家。
雖然， 基於Javascript的機器學習類別庫還非常的早期，很多依舊在開發狀態下， 但是他們的確已經可以提供比較早期的體驗。 在今天這篇文章中， 我們將選擇幾款超酷的機器學習和AI相關的web應用， 讓大家初體驗一下~~
Brain
brain是一個允許你快速簡單創建神經網路並且基於輸入/輸出進行訓練的類別庫。雖然一個CDN瀏覽器版本可以直接將類別庫載入到web頁面中， 因為這個訓練過程佔用了大量的資源， 所以將這個類別庫運行在了一格Node.js環境下 。 這個類別庫包含了一個非常迷你的線上演示， 可以用來訓練識別顏色的對比
#Deep playground
這個教育化的web應用讓你把玩神經網絡，並且探索不同的組件。 擁有非常設計良好的UI， 可以允許你控制輸入數據，神經元數量， 使用的演算法等， 各種相關的測量將會影響最終的結果。 當然這裡在後台中有大量值得學習的東西， 程式碼是開源的， 使用了自訂的機器學習語言（typescript）， 並且擁有非常好的文件
## FlappyLearning
這是一個使用800行程式碼實作的機器學習Javasript類別庫， 實作了一個機器學習flappy bird 遊戲的demo。 在這個類別庫中使用了AI技巧：Neuroevolution ，應用了來自「自然」雜誌的神經系統演算法， 動態的從每一個迭代的成功和失敗中學習。 demo運行非常簡單，直接使用瀏覽器打開index.html即可
截圖中可以看到經過了20代的學習， 這隻鳥， 在我截圖的時候，依然還沒掛掉！
Synaptic
可能是最活躍維護的專案之一， Synaptic是一個node.js和瀏覽器類別庫， 這個類別庫被設計為架構不可知的狀態，允許了開發人員創建任何類型的神經網路。 擁有很少的內建架構， 是的能夠快速的測試和演算法比較。 同時包含了一個非常完整的神經網路說明， 一些實際的演示， 很多其它相關的教程，來介紹機器學習如何工作滴
Land Lines
land lines是一個非常有趣的Chrome Web實驗， 它尋找地球的衛星圖片，找出類似使用者的塗鴉。 這個app沒有伺服器調用， 完全在瀏覽器裡運行， 使用了webGL和機器學習， 在行動端也有很好的體驗。
ConvNetJS
雖然已經不再活躍的維護了，但 ConvNetJS是Javascript機器學習的最先進的類別庫。 最早是史丹佛大學開發， 後來在Github上非常知名， 擁有了許多社區開發的特性和教學。 直接在瀏覽器裡運行， 支援多學習技巧， 偏底層， 是的它非常適合神經網路中比較大的體驗
##Thing Translator
############################################# ###這是一個web實驗演示， 允許你使用手機來識別現實生活中的物品，並且用不同語言來命名。 這個app使用web技術和兩個來自Google的機器學習API實現，包括：######Cloud Vision （圖片識別） 和Translate API（語言翻譯）############# ##Neurojs#########基於「增強學習「的AI系統框架。 很可惜這個項目沒有正確的文檔說明， 但是有一個自動駕駛的演示，擁有很多相關細節的文字描述。 這個類別庫純Javascript，可以使用webpack或babel來編譯打包###
Machine_learning
另外一個允許我們設定/訓練神經網路的Javascript類別庫。 使用node.js和客戶端安裝非常簡單， 擁有非常乾淨的API， 對於不同技術水平的開發人員來說，都非常適應。這個類別庫包含了大量的演示， 包含了許多流行的演算法，幫助你理解核心的及其學習語言原則
DeepForge
這是一個使用者友善的深度學習開發環境， 允許你使用一格簡單圖形介面設計神經網絡， 支援遠端機器的訓練模型， 內建版本控制， 這個專案基於Node.js和MongoDB，運行在瀏覽器裡， 安裝過程非常類似大多數的web開發過程
相關推薦：
十大機器學習需要了解的演算法
PHP如何實作機器學習之樸素貝葉斯演算法
PHP機器學習庫php-ml的實例教學
以上是前端Javascript實作的機器學習類別庫實例的詳細內容。更多資訊請關注PHP中文網其他相關文章！
