这么多机器学习的包，我应该用哪一个？我怎样比较它们？我从哪里开始？
你可以试用我们面向初学者的平台Ape Advice™，就不用烦细节的问题了。如果你完全没有接触过机器学习，从scikit-learn开始。你可以了解标记，训练和测试是怎样工作的，以及一个模型是如何被建立的。
如果你想试试深度学习，从 Keras开始，毕竟这是大家公认的最简单的框架。你可以先试试，找找感觉。当你有点经验之后，你可以开始考虑你最需要的是什么：速度，不同的API，或者别的什么，之后你就能更好地决定了。
目前有海量的文章比较Theano，Torch和TensorFlow。没有人能说哪个最好。你要记住的是所有包都支持很多东西，而且也在不断改进，想相互比较它们也越来越难。六个月前的标准有可能已经过时了，一年前的评价说框架X没有Y功能也不一定还有效。
最后，如果你想用NLP，可以试试MonkeyLearn!我们的这个平台所提供的用户界面让建造模型，训练模型和改进NLP模型都非常容易试下。你可以用事先训练好的模型处理常见问题（意见挖掘，话题探测或者提取关键字），也可以为你特有的问题设计一个新的算法。你不需要担心底层实现或者发布你的模型，我们可扩展的云系统会帮你完成这些。你可以免费注册，马上开始试用我们超棒的API。
想知道更多？
关于机器学习的网络资源很多！下面列举一些： •如果你想看看代码， 这里有 一个机器学习详细范例的Jupyter Notebook •如果你想知道更多机器学习的概念，可以看我们的机器学习入门指南 •如果你要认真学机器学习，你可以从Andrew Ng’s Stanford CS229 on Coursera开始；如果你要找关于深度学习的网络课程，可以看看 fast.ai.
结语
这篇关于用Python库做机器学习的简介就到此为止。我想强调的是不要被细节吓住了，放手尝试。让你的好奇心指导你前进，不要害怕进行不同的实验。
就简单描述一下，好了就不说废话了，现在给你们分享我的Python学习资料喽！`
