Série chronologique - Bibliothèques Python

Python a une popularité établie parmi les personnes qui effectuent un apprentissage automatique en raison de sa structure de code facile à écrire et facile à comprendre, ainsi qu'à une grande variété de bibliothèques open source. Quelques-unes de ces bibliothèques open source que nous utiliserons dans les prochains chapitres ont été présentées ci-dessous.

NumPy

Numerical Python est une bibliothèque utilisée pour le calcul scientifique. Il fonctionne sur un objet de tableau à N dimensions et fournit des fonctionnalités mathématiques de base telles que la taille, la forme, la moyenne, l'écart type, le minimum, le maximum ainsi que certaines fonctions plus complexes telles que les fonctions algébriques linéaires et la transformée de Fourier. Vous en apprendrez plus à ce sujet au fur et à mesure que nous avancerons dans ce didacticiel.

Pandas

Cette bibliothèque fournit des structures de données très efficaces et faciles à utiliser telles que des séries, des dataframes et des panneaux. Il a amélioré les fonctionnalités de Python, de la simple collecte et préparation de données à l'analyse des données. Les deux bibliothèques, Pandas et NumPy, simplifient toute opération sur un ensemble de données petit à très grand. Pour en savoir plus sur ces fonctions, suivez ce tutoriel.

SciPy

Science Python est une bibliothèque utilisée pour le calcul scientifique et technique. Il fournit des fonctionnalités pour l'optimisation, le traitement du signal et de l'image, l'intégration, l'interpolation et l'algèbre linéaire. Cette bibliothèque est pratique lors de l'exécution de l'apprentissage automatique. Nous discuterons de ces fonctionnalités au fur et à mesure que nous avancerons dans ce tutoriel.

Scikit Learn

Cette bibliothèque est une boîte à outils SciPy largement utilisée pour la modélisation statistique, l'apprentissage automatique et l'apprentissage en profondeur, car elle contient divers modèles de régression, de classification et de clustering personnalisables. Il fonctionne bien avec Numpy, Pandas et d'autres bibliothèques, ce qui le rend plus facile à utiliser.

Modèles de statistiques

Comme Scikit Learn, cette bibliothèque est utilisée pour l'exploration de données statistiques et la modélisation statistique. Il fonctionne également bien avec d'autres bibliothèques Python.

Matplotlib

Cette bibliothèque est utilisée pour la visualisation des données dans divers formats tels que le graphique linéaire, le graphique à barres, les cartes thermiques, les nuages ​​de points, l'histogramme, etc. Nous discuterons de ces fonctionnalités au fur et à mesure que nous avancerons dans ce tutoriel.

Ces bibliothèques sont très essentielles pour commencer avec l'apprentissage automatique avec tout type de données.

Outre celles discutées ci-dessus, une autre bibliothèque particulièrement importante pour traiter les séries chronologiques est -

Datetime

Cette bibliothèque, avec ses deux modules - datetime et calendar, fournit toutes les fonctionnalités datetime nécessaires pour lire, formater et manipuler l'heure.

Nous utiliserons ces bibliothèques dans les prochains chapitres.