正文
什么是Scikit-Learn?
它是一个与NumPy和SciPy相关联的Python库，被认为是处理复杂数据的Python库之一。Scikit-Learn有很多改进版本，其中的一种是通过交叉验证的功能，以及提供多个参数指标，来改进诸如逻辑回归、以及最近邻居等多种训练的方法。
Scikit-Learn的特点
（1）交叉验证：它提供许多方法来检查、监督模型对于不可见数据的准确性。
（2）无监督学习算法：同样，它也提供包括聚类、因子分析、主成分分析、以及无监督神经网络等的大量算法。
（3）特征提取：能够被用于从图像和文本中提取特征(例如，Bag of words)。
（4）Scikit-Learn的接受度
它包含了大量可用于实现标准机器学习、以及数据挖掘任务的算法。例如：降低维度、分类、回归、聚类和模型选择等。
什么是NumPy?
NumPy被认为是Python中受欢迎的机器学习库之一。TensorFlow和其他库在内部都会使用NumPy来执行多种操作。其中，数组接口是NumPy好用、也是重要的功能之一。
NumPy特点
交互式：NumPy具有强交互性、且易于被使用。
数学性：通过复杂的数学，将实现变得非常简单。
直观：能够将编码、及概念变得简单易懂。
强交互性：由于得到了广泛的使用，因此它获得了更多的开源贡献。
NumPy的接受度
NumPy库接口可以被用于将图像、声波、以及其他二进制原始流，表达为N维实数数组。为了更好地将其用于机器学习，全栈工程师有必要对其深入了解。
什么是Keras?
Keras被认为是酷炫的机器学习类Python库之一。它提供了一种更容易表达神经网络的机制。同时，Keras还提供了一些可用于编译模型、处理数据集、图形可视化等方面的工具。
Keras在后端内部使用的是Theano或TensorFlow。它可以被用在诸如CNTK之类的各种流行的神经网络上。与其他机器学习类型的库相比，由于Keras通过使用后端的基础架构来创建计算图形，因此其后续的执行操作相对较慢。另外，Keras的所有模型都是可被移植的。
Keras的特点
Keras在CPU和GPU上都能够顺利地运行。
