7.4 sklearn和keras
了解当前机器学习算法和工具的现状的一个很好的方式是观察Kaggle上的机器学习竞赛。由于其高度竞争的环境（一些比赛有数千名参赛者和百万美元的奖金）以及涵盖的各种机器学习问题。2019年初，Kaggle进行了一项调查，询问了自2017年以来任何一项比赛中进入前五名的团队使用的主要软件工具。结果显示，顶尖团队倾向于使用深度学习方法（最常见的是通过Keras库）或梯度提升树（最常见的是通过LightGBM或XGBoost库）。
图 Kaggle竞赛中使用的软件工具
1. 机器学习社区¶
链接：kaggle.com
Kaggle是全球最大的数据科学社区，提供了数据科学相关的竞赛和数据集。很多著名企业，例如，在Kaggle平台上发布企业的数据和商业需求，并附带奖金。众多数据科学爱好者在网站上提交自己的解决方案，已赢取排名和奖金。此外，个人用户也可以上传和公开自己的数据集，开放给其他用户使用。这种竞争、开放和分享的氛围，让Kaggle在数据科学领域具有良好的口碑。
2. scikit-learn¶
练习：¶
使用之前学过的pip安装第三方库的方法，来安装scikit-learn，安装方法也可以参考scikit-learn的官网。
3. keras¶
链接：keras.io
Keras 提供基于 Python 语言的的深度神经网络API，使构建和训练神经网络相对简单。Keras 在研究、学术界和工业界广泛应用于图像识别、自然语言处理等任务。
练习：¶
使用之前学过的pip安装第三方库的方法，来安装keras，安装方法也可以参考keras的官网。