2.7 常用机器学习工具

在开展恶意代码检测实验阶段，可以使用一些常用的机器学习工具辅助完成实验工作。常用的机器学习工具包括基于Python的框架和基于Java的框架。

（1）基于Python编程语言的机器学习工具

Python被认为是最适合于机器学习的编程语言。所以，在机器学习领域，研究人员开发了多种基于Python语言的机器学习和深度学习工具。

1）Scikit-learn

Scikit-learn ^[28] 是一个数据挖掘和数据分析工具，它基于Python开发而成，它所依赖的基础库包括NumPy、SciPy和Matplotlib等。Scikit-Learn具有良好的API应用接口，并具备随机搜索功能。Scikit-learn封装了常用的数据挖掘和分析算法，且简单高效。它的基本功能主要包括分类、回归、聚类、数据降维、模型选择和数据预处理。

2）Keras

Keras ^[29] 是一个高级神经网络API，提供了一个Python深度学习库。Keras比较适合于初学者学习，它通过对神经网络以简单方式表达而实现复杂的深度学习功能，并且向用户隐藏了这个复杂的过程。

3）Theano

Theano ^[30] 是最成熟的Python深度学习库之一，其主要功能包括：与NumPy紧密集成，可以用符号式语言自定义函数，并可以高效地运行于GPU或CPU平台。

（2）基于Java编程语言的机器学习工具

最常用的基于Java语言编写的机器学习工具为WEKA ^[31] 。Weka集成了数据挖掘任务相关的机器学习算法。这些算法可以直接应用于数据集，或者也可以自己编写Java代码调用它们。Weka包含各种用于数据预处理、分类、回归、聚类、关联规则以及可视化的工具。此外，也可以基于Weka开发新的机器学习方法。