大多数玩机器学习的同事在工作中都是用 Python 这样的语言完成的，但既然身处在 JavaScript 这个生态中，为什么不试试一起使用 JavaScript 玩机器学习呢？而且使用 JavaScript 还允许运行在浏览器和服务器端、甚至是桌面程序上。通过做一些Search和研究发现，这里的确有一些简洁的库，可以将 JavaScript、机器学习、DNN 甚至 NLP 结合在一起，而且在浏览器端大多库会调用 WebGL 来做机器学习的计算。下面是一些机器学习算法，基于这些算法可以使用本文中列出的不同JavaScript 框架来模型训练：

简单的线性回归
多变量线性回归
逻辑回归
朴素贝叶斯
k最近邻算法（KNN）
K-means
支持向量机（SVM）
随机森林
决策树
前馈神经网络
深度学习网络

1.DeepLearn.js

Deeplearn.js是Google发布的一个开源的机器学习JavaScript 库，可用于不同的目的，例如在浏览器中训练神经网络，理解ML模型，用于教育目的等。你可以在推理模式中运行预先训练的模型。可以在Typescript（ES6 JavaScript ）或ES5 JavaScript 中编写代码。通过在HTML文件的head标签中包含以下代码并编写用于构建模型的JS程序，可以实现快速入门。

友链：Deeplearn入门

2.TensorFlow.js

TensorFlow.js 是一个开源的基于硬件加速的 JavaScript 的库，支持在浏览器或者 NodeJs 中来运行深度学习，并且能支持现有的 Tensorflow 模型，由Google出品。可以说是前端深度学习框架 Deeplearn.js 的继任者。它提供一系列简洁和通俗易懂的 API，用于训练、部署模型。而且因为可以运行在浏览器，所以可以直接通过 URL 就能分享你的程序

吃豆人

通过摄像头来控制的吃豆人游戏。

3.Brain.js

Brain.js 是同样可以运行在浏览器和 NodeJs 服务器端、能为不同的任务提供不同类型的训练网络。特点是让定义、训练以及执行神经网络变得特别简单。个人觉得这个库比较适合入门。比如以下短短几行代码已涵盖创建、训练和执行神经网络，一目了然：

色彩识别

4.Synaptic.js

Synaptic 可以运行在浏览器和 NodeJs 服务器端的神经网络库，你能够用它训练一层甚至是二层神经网络结构。该库包括一些内置的体系结构，如多层感知机MLP、长短时记忆网络、液体状态机和能够训练真实网络的训练器。

image-filter

5.Machine learning (ml.js)

Machine Learning tools 是由 mljs 组织开发的一组库，可以为 JavaScript 提供机器学习工具，类似于 Python 中的 scikit-learn，支持以下机器学习算法：

无监督学习
主成分分析（PCA）
K均值聚类
监督学习
简单线性回归
多变量线性回归
支持向量机（SVM）
朴素贝叶斯
K最近邻算法（KNN）
偏最小二乘算法（PLS）
决策树：CART
随机森林
逻辑回归
人工神经网络
前馈神经网络

6.compromise

基本上是NLP自然语言处理库 - 前端 JavaScript 实现的首选，这个库加上自己的资料库压缩成min.js后文件大小可达到300k以下，这样运行在浏览器和 NodeJs 服务器端都问题不大，具体可以做的东西是训练自定义语义库：划分出分词，获取句子的各个词性，可以把句子变积极消极、分词等，比如以下例子：

compromise

结语

JavaScript 虽然不是机器学习的最佳编程语言，不过随着 Web生态和人工智能技术近年来的不断发展完善，越来越多这样的机器学习工具库被研发和发布。对于一名Web的前端开发者而言，用 JavaScript 作为入门机器学习的桥梁是个不错的选择，它同样能帮助你开启机器学习之旅。

几个JavaScript机器学习开源框架