新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】受欢迎的机器学习项目很多，它们受欢迎的程度体现在在 GitHub 上获得的星数（Star）。，本文作者发掘了几个数据科学和机器学习被人错过的好项目。即使你不需要使用这些特定的工具，但检查它们的实现细节或项目的代码，可能带给你一些新的启发。

　　Hyperopt-sklearn

　　Star：219

　　GitHub地址：https://github.com/hyperopt/hyperopt-sklearn

　　Hyperopt-sklearn 是基于 Hyperopt 的模型，用于 scikit-learn 项目中的机器学习算法。项目文档里的介绍如下：

　　找到适用你的数据的正确分类器可能很难。选好分类器后，为了获得最佳结果而对所有参数进行微调也非常乏味而且耗时。而且有可能在你做完所有这些艰苦的工作后，才发现从一开始就选择了错误的分类器。Hyperopt-sklearn 为这些问题提供了解决方案。

　　Hyperopt-sklearn 使用多种搜索算法，可以搜索所有（支持的）分类器，或仅在给定分类器的参数空间内进行搜索，并且支持多种预处理步骤，如 PCA，TfidfVectorizer，Normalzier 和 OneHotEncoder。

　　那么它的效果如何？

　　下表是使用 scikit-learn 的默认参数运行分类器得到的F1分数，以及在20个新闻组数据集上的 hyperopt-sklearn 优化参数。hyperopt-sklearn 的结果来自25次评估的单次运行。

　　Hyperopt-sklearn 只需非常少的额外代码，并有一些方便的快速启动代码。

　　Dlib

　　Star：1281

　　GitHub地址：https://github.com/davisking/dlib

　　Dlib 是一个通用的工具包，用于使用C++进行机器学习和数据分析应用。它是用C++编写的，也有一个 Python API。

　　官网的介绍如下：

　　Dlib 是一个现代C++工具包，包含机器学习算法和工具，用于使用C++创建复杂的软件来解决现实问题。它在工业界和学术界的各领域都有广泛应用，包括机器人、嵌入式设备、移动电话和大型高性能计算环境。

　　文档达到标准，API也得到很好的解释，并且该项目带有简明的介绍。博客社区也很活跃，介绍了一些有趣的项目。Dlib 不是新的项目，它自2002年以来一直在发展。

　　NN++

　　Star：184

　　GitHub地址：https://github.com/stagadish/NNplusplus

　　NN++ 是一个 C++ 实现的轻量级、非常容易使用的神经网络，它无需安装，直接 #include 即可。

　　项目repo的介绍如下：

　　NN++是一个简短，自包含，atv，易于使用的C++神经网络实现。它包括神经网络实现和一个用于基本线性代数运算的 Matrix class。这个项目主要是为学习目的而建，但在 MNIST 数据集的初步测试结果显示了不错的性能。

　　它的文档是稀疏的，但需要额外解释伴随的 Matrix class 的使用。GitHub库中的一些代码片段解释了如何设置和查询神经网络。这里的代码是最小限度的，所以想要了解简单的神经网络或从其他语言直接跳到用C++实现网络，这个项目是值得一看的。

　　LightGBM

　　Star：2362

　　GitHub地址：https://github.com/Microsoft/LightGBM

　　官方repo的介绍如下：

　　一个基于决策树算法的快速、分布式、高性能的梯度提升（GBDT，GBRT，GBM 或 MART）框架，通常用于排序、分类等机器学习任务。它是微软的 DMTK（分布式机器学习工具包）下的一个项目。

　　LightGBM 用 C++ 和 Python 编写，提供了快速入门指南，并行学习指南以及功能的概述。

　　它的表现如何呢？