目前，機器學習領域模組化的主要語言是 python 和 r，前不久騰訊推出的機器學習架構 angel 則支援 java 和 scala。本文作者 abhishek soni 則用行動告訴我們，開發機器學習模型，javascript 也可以。
javascript？我不是應該使用 python 嗎？甚至 scikit-learn 在 javascript 上都不工作。
這是可能的，實際上，連我自己都驚訝于開發者對此忽視的态度。就 scikit-learn 而言，javascript 的開發者事實上已經推出了适用的庫，它會在本文中有所提及。那麼，讓我們看看 javascript 在機器學習上能夠做什麼吧。
根據人工智能先驅 arthur samuel 的說法，機器學習為計算機提供了無需明确程式設計的學習能力。換句話說，它使得計算機能夠自我學習并執行正确的指令，無需人類提供全部指導。
谷歌已經把自己移動優先的政策轉換到人工智能優先很久了。
為什麼 javascript 在機器學習界未被提及過？
· 慢（真的假的？）
· 矩陣操作很困難（這裡有庫，比如 math.js）
· 僅用于 web 開發（然而這裡還有 node.js）
· 機器學習庫通常是在 python 上的（還好，js 的開發者人數也不少）
在 javascript 中有一些可供使用的預制庫，其中包含一些機器學習算法，如線性回歸、svm、樸素貝葉斯等等，以下是其中的一部分。
· brain.js（神經網絡）
· synaptic（神經網絡）
· natural（自然語言處理）
· convnetjs（卷積神經網絡）
· mljs（一組具有多種功能的子庫）
首先，我們将使用 mljs 回歸庫來進行一些線性回歸操作。
參考代碼：https://github.com/abhisheksoni27/machine-learning-with-js
1. 安裝庫
$ npm install ml-regression csvtojson
$ yarn add ml-regression csvtojson
ml-regression 正如其名，負責機器學習的線性回歸。
csvtojson 是一個用于 node.js 的快速 csv 解析器，它允許加載 csv 資料檔案并将其轉換為 json。
2. 初始化并加載資料
下載下傳資料檔案（.csv），并将其加入你的項目。
連結：
http://www-bcf.usc.edu/~gareth/isl/advertising.csv
如果你已經初始化了一個空的 npm 項目，打開 index.js，輸入以下代碼。
我把檔案放在了項目的根目錄下，如果你想放在其他地方，請記得更新 csvfilepath。
現在我們使用 csvtojson 的 fromfile 方法加載資料檔案：
3. 打包資料，準備執行
json 對象被存儲在 csvdata 中，我們還需要輸入資料點數組和輸出資料點。我們通過一個填充 x 和 y 變量的 dressdata 函數來運作資料。
4. 訓練模型開始預測
資料已經打包完畢，是時候訓練我們的模型了。
為此，我們需要寫一個 performregression 函數：
performregression 函數有一個方法 tostring，它為浮點輸出擷取一個名為 precision 的參數。predictoutput 函數能讓你輸入數值，然後将模型的輸出傳到控制台。它是這樣的（注意，我使用的是 node.js 的 readline 工具）：
以下是為了增加閱讀使用者的代碼
5. 大功告成！
到你的終端上運作 node index.js，得到的輸出會是這樣：
恭喜！你剛剛在 javascript 中訓練了第一個線性回歸模型。（ps. 你注意到速度了嗎？）
文章來源：機器之心
<a href="https://www.jiqizhixin.com/articles/e2a4be9d-4b00-48d5-bccf-cc5a3582dd9b" target="_blank">原文位址</a>
歡迎關注個人公衆号，檢視更多好文。