JavaScript 中的 10 个机器学习示例

随着时间的推移，机器学习库变得更快也更易于使用，其发展速度丝毫没有放缓的迹象。虽然一直以来 Python 都是机器学习的重要语言，但目前的神经网络可以在任何语言中运行，包括 JavaScript！

最近一段时间，Web 生态系统发展迅速，虽然 JavaScript 和 Node.js 在性能上仍然不及 Python 和 Java，但它们也已经强大到足以处理许多机器学习的问题。Web 开发语言非常易用，它们在这一点上受益匪浅——你只需要在 Web 浏览器运行一个 JavaScript ML 项目即可。

大多数 JavaScript 机器学习库都还很年轻，仍然处理发展中，但是它们已经存在于此，你可以大胆的试着用用。通过本文，我们会了解到这些库及其大量的很酷的示例。

Brain 是一个可以让你轻松创建神经网络的库，然后你可以通过输入/输出数据对神经网络进行训练。虽然它可以通过 CDN 浏览器版本直接在 Web页面中加载，但由于训练会占用大量资源，所以最好是在 Node.js 环境下进行。它们的网站上有一个小小的演示，它被训练来识别色彩的对比度。

传送门：

https://github.com/harthur-org/brain.js/

这是出才教学目的的 Web 应用，让你自由探索神经网络及其各种组件。它拥有漂亮的 UI，你可以控制输入的数据、神经元的数量，使用何种算法，以及其他各种指标，它们会影响最后的结果。不少人喜欢从幕后开始学习这个应用——代码开源，它使用一个 TypeScript 编写并且拥有良好文档支持的机器学习库。

传送门：

https://github.com/tensorflow/playground

FlappyLearning 是一个 JavaScript 项目，其代码未经压缩也才大约 800 行。它创建了一个机器学习库并在一个有趣的演示中进行了实现，这个有趣的演示就是像玩家一样玩 Flappy Bird。这个库中使用的人工智能技术库叫做 Neuroevolution(神经进化)，它使用的算法受到了存在于自然界的神经系统的启发，动态的从每一次成功或失败中不断学习。这个演示很容易就能运行起来——只需要在浏览器中打开 index.html。

传送门：

https://github.com/xviniette/FlappyLearning

Synaptic 是一个与架构无关的 Node.js 和浏览器库，它有可能是这个列表中最活跃的项目，允许开发人员构建出他们想要的任何类型的神经网络。 它内置了几种架构，可以用来对不同的机器学习算法进行快速的测试和比较。它还拥有一个很好的对神经网络的书面介绍、一些实例演示，以及其他一些用来揭示机器学习如何工作的很棒的教程。

传送门：

https://github.com/cazala/synaptic

Land Lines 是一个有趣的 Chrome Web 实验，可以用来发现地球的卫星图像，类似于用户制作的涂鸦。 该应用程序不会有对服务器端的调用：它完全在浏览器中工作，并且得益于其对机器学习以及 WebGL 的巧妙运用，在移动设备上也能有出色的性能。 您可以在 GitHub 上查看它的源代码，或者在此处查阅完整的学习案例。

传送门：

https://lines.chromeexperiments.com/

ConvNetJS 虽然不再积极地进行维护了，但它仍然是最先进的基于 JavaScript 的深入学习库之一。 ConvNetJS 最初是在斯坦福大学开发出来的，随后在 GitHub 上变得非常受欢迎，进而产生了许多社区驱动的功能和教程。 它可以直接在浏览器中跑起来，支持多种学习技术，而且相当底层，所以适合于对神经网络具有较多经验的人来使用。

传送门：

https://github.com/karpathy/convnetjs

Thing Translator 是一项 Web 实验，可以让你的手机识别出现实生活中的物体对象，并用不同的语言对它们进行命名。该应用程序完全基于 Web 技术，并利用了 Google 的两个机器学习 API —— Cloud Vision 来进行图像识别而 Translate API 则进行自然语言的翻译。

传送门：

https://github.com/dmotz/thing-translator

这是一个基于增强学习来建立人工智能系统的框架。可悲的是，它做为开源项目并没有适当的文档，不过有一个 Demo，是一个自动驾驶实验，对构成神经网络的不同部分进行了很好的描述。这个库是纯 JavaScript 的，使用了像 webpack 和 babel 这样的现代工具。

传送门：

https://github.com/janhuenermann/neurojs

这是另外一个能让我们 JavaScript 来设置和训练神经网络的库。 在 Node.js 和客户端中，它都非常容易进行安装，并且具有非常干净的 API，对于所有具备熟练技能级别的开发人员来说都是很合适的。 该库提供了许多实现了流行算法的示例，以帮助你了解核心的机器学习原理。

传送门：

https://github.com/junku901/machine_learning

DeepForge 是一个对用户友好的开发环境，用来进行深度学习。 它能让你使用简单的图形界面来设计出神经网络，支持在远程机器上进行模型培训，并且内置了版本控制。 该项目在浏览器中能运行起来，基于 Node.js 和 MongoDB，大多数的 Web 开发人员对于其安装过程都是非常熟悉的。

传送门：

https://github.com/deepforge-dev/deepforge

在 JavaScript 中进行机器学习：

（http://burakkanber.com/blog/machine-learning-in-other-languages-introduction/）

发表的一系列博客文章，介绍了一些机器学习的基础知识。这些教程都写得很清楚，是专门针对 JavaScript 开发人员的。如果你想更深入地了解机器学习，这就是一个不错的资源。

虽然 JavaScript 机器学习的生态系统尚未完全开发，但你可以使用此列表中的资源来开启学习 ML 之路，并获得对核心技术的体验。正如文章中的示例所示，你仅使用浏览器和一些熟悉的 JavaScript 代码就能获得大量有趣的东西。