10个基于JavaScript的机器学习实例
随着人工智能技术的发展，机器学习越来越受到开发者们的关注，从而也导致了机器学习库如雨后春笋般的涌现出来，而且没有任何放缓的趋势。虽然，传统意义上 Python 已经成为了最受欢迎的机器学习语言。但目前神经网络可在任何编程语言中运行，当然也包括 JavaScript!
近来，Web
生态系统取得了重大的进展。尽管 JavaScript 和 Node.js 的性能要比 Python 和 Java
的性能差，但它们已经能够应对
机器学习中的许多问题。同时，Web 编程语言也具有很强的易用性，即你只要搞定了 Web 浏览器，那么运行
JavaScript ML 项目就不是个事儿。
虽然，大多数 JavaScript
机器学习库都是“新轮子”，有的甚至还在研发中，但并不会影响你的使用。在这篇文章中，我们将与你分享这些库，以及一些很酷的 AI Web 应用程序实例，帮助你开启
机器学习之旅。
1. Brain
Brain
是一个可以让你轻松创建
神经网络的库，并可通过输入/输出数据进行训练。尽管，它可以直接在浏览器网页上运行，但是训练的过程会占用大量的资源，因此最好在
Node.js 环境中启动它。另外，在他们网站上还有一个用于训练识别色彩对比度的小例子，你也可以了解下。
2. Deep playground
这是由 TensorFlow 出品的可视化的
神经网络交互式学习程序。它可以带你了解
神经网络，并探索其不同的组件。它不仅有一个漂亮的用户界面，而且通过控制数据、神经元数量、使用算法的类别以及各项其他的指标，让你能够直观、实时的了解其运行的状态。另外，由于它是开源的(它用 TypeScript 编写，并具备优质的文档可查阅)，所以通过了解其项目背景，你还能够学到更多有价值的知识。
3. FlappyLearning
FlappyLearning
是一个仅用 800 行代码创建的 JavaScript
机器学习库，它让你可以像行家一样玩转Flappy Bird 游戏。在这个库中所使用的
AI 技术被称为“
Neuroevolution”，而它所应用算法的灵感则源于自然界生物神经系统的进化，并且它可以从每次成功或失败的迭代中进行动态的学习。另外，你只需要在浏览器中打开
index.html 就可以运行它了，炒鸡简单。
4. Synaptic
这个项目可能是本文所有项目中最活跃的项目了。Synaptic
是一个 Node.js
和浏览器可用的库。虽然它的架构未知，但开发人员可以通过它来构建任何类型的
神经网络。它也具备一些内置架构，使它能够快速的测试，并能针对不同的
机器学习算法进行比较。同时，它的使用文档丰富且全面，包含了
神经网络的基本介绍、一些实用的演示，以及相应的使用教程。
5. Land Lines
Land
Lines 是一个有趣的 Chrome Web
实验。用户通过在页面上涂鸦，来发现地球上的卫星图像。它可以完全在浏览器中运行，无需服务器端的调用。同时，由于
机器学习和 WebGL
的巧妙使用，即使在移动设备上它也有出色的表现。如果你对它比较感兴趣，也可以在 GitHub 上查看其源码，或者在这里阅读整个案例研究。
6. ConvNetJS
虽然，此项目不再积极维护，但 ConvNetJS 却是基于 JavaScript 最先进的
深度学习库之一。最初它是由斯坦福大学开发的项目，随着在 GitHub 上的流行，许多社区开始驱动了其新的特性，并撰写了相关的教程。它可以直接在浏览器中工作，支持多种学习技术，而且操作简单，适合
神经网络进阶者学习。
7. Thing Translator
Thing
Translator 是一个 Web 实验，让你可以通过手机来识别实物，并可用不同的语言为它们命名。这款应用程序完全基于 Web
技术构建，并整合了 Google 的两种
机器学习 API，即用于
图像识别的Cloud Vision 和用于自然语言翻译的 Translate
API 。
8. Neurojs
这是一个基于
强化学习的人工智能系统框架。遗憾的是，这个开源项目并没有合适的文档。但其中一个自动驾驶汽车的演示，却对组成
神经网络的不同部分有很好的描述。这个库仅通过 JavaScript 实现，并应用了 webpack 和 babel 。
9. Machine_learning
Machine_learning
是一个仅通过 JavaScript 便可设置和训练
神经网络的库。无论是在 Node.js，还是客户端上，它都易于安装，并且具备非常干净的
API，适合任何技术级别的开发者进行学习。同时，该库还提供了许多现成的流行算法示例，帮助你了解核心的
机器学习原理。
10. DeepForge
DeepForge
是一个对于用户友好的
深度学习开发环境。有了它，你可以使用简单的图形界面对
神经网络进行设计，同时它还支持远程机器的训练模型，并且内置了版本控制。它基于
Node.js 和 MongoDB，可在浏览器中运行。对于大多数 Web 开发者来说，它的安装过程也会相当的简单。
奖励：Machine Learning in Javascript
这是由 Burak Kanber 发表的一系列文章，主要介绍了一些
机器学习基础知识。这些教程专门针对 JavaScript 开发人员，而且写得比较透彻。如果你想更深入地了解
机器学习，不妨看一看。
结论
虽然，基于 JavaScript 的
机器学习生态体系还在不断的发展，但本文推荐的这些资源，能够帮助你开启
机器学习的体验之旅，并对其核心技术有所了解。正如文章中的实例所示，你只需通过浏览器和一些熟知的 JavaScript 代码就能体会到
机器学习的极大乐趣。
