如果您是初学者或 JavaScript 开发人员，并且想要在机器学习池中漂浮或想要精通机器学习，那么一些免费的 JavaScript 框架可能对您很有帮助。机器学习正在以指数速度形成，它使开发应用程序的过程变得非常容易。不可否认， Python在机器学习中占有特殊的地位，但 JavaScript 仍然不能落后。
JavaScript在网站开发中扮演着重要的角色。开发人员使用 JavaScript 将机器学习功能连接到基于浏览器的网页或应用程序。这些 JavaScript 框架正在通过人工智能和机器学习促进业务增长。
1.标准库
它是一个由 JavaScript 和 Node.js 提供支持的开源库。它可以帮助您浏览器支持基于网络的科学和数值机器学习应用程序。 STDLib（库）具有全面和先进的数学和统计功能，可帮助您构建高性能机器学习模型和应用程序。它还用于绘图和图形功能，用于探索性数据分析和数据可视化等等。
特征：
- 150 多个特殊的内置数学函数（如积分、极限连续、微分、数据分析等）
- 35+ 概率分布（用于处理概率数据）
- 用于测试和开发等的 50 多个样本数据集。
通过随机梯度下降进行二元分类
For ex: @stdlib/ml/online-binary-classification
自然语言处理
For ex: @stdlib/nlp and many othere features.
2. TensorFlow.js
它是谷歌拥有的开源机器学习 JavaScript 库。它以前称为 deeplearn.js，因为它是 Deeplearn.js 的继承者。 deeplearn.js 今天已经过时了。它用于不同的目的，例如在应用程序中训练神经网络、疾病诊断、教育目的、开发机器学习模型和应用程序等等。如果您想要将预先存在的训练模型导入浏览器，TensorFlow.js 将允许您这样做。它自动提供对 WebGL 和 Node.js 的支持。
3. Keras.js
KerasJS 是另一个流行的开源可用框架，它允许您在浏览器中运行机器学习模型，并通过 WebGL 支持 GPU，帮助您在浏览器中轻松运行 Keras 模型。如果允许 CPU 模式，这些模型也适用于 Node.js。 Keras.js 还使用任何后端框架扩展了对模型训练的支持，例如 Microsoft Cognitive Toolkit (CNTK)、Next.js、 Meteor.js。一些可以部署在客户端浏览器上的 Keras 模型包括 Inception v3（在 ImageNet 上训练）、50 层残差网络（在 ImageNet 上训练）和卷积变分自动编码器（在 MNIST 上训练）。
下面是一些可以在浏览器中运行的 Keras 模型：
- DenseNet-121，在 ImageNet 上训练
- Inception v3，在 ImageNet 上训练
- 卷积变分自编码器，经过 MNIST 等训练。
4.Brain.js
机器学习概念对于初学者来说应该是非常可怕的，这可能会导致个人从一开始就失望。该领域的复杂技术和概念可能会让初学者望而却步。在这种情况下，Brain.js 变得很重要。 Brain.js 是一个可公开访问的神经网络 JavaScript 库，它简化了定义、训练和运行神经网络的过程。它也可以与 NodeJS 一起使用，它为不同的任务提供浏览器支持和不同类型的网络。如果您是一名 JavaScript 开发人员，并且是机器学习的新手，那么 Brain.js 可以减轻您的压力。
要设置 Brain.js，请使用以下代码：
npm install brain.js
您还可以使用下面给出的代码在浏览器中包含该库
但是，要安装朴素贝叶斯分类器，请使用以下代码
npm install classifier
5.ConvNetJS
ConvNetJS 是一个 JavaScript 库，用于在浏览器中训练深度学习模型（神经网络）。它非常易于使用，您只需打开眨眼睫毛就可以进行训练。对软件要求、编译器、安装、GPU 没有特殊需求。
要安装 ConvNetJS 分类器，请使用以下代码
npm i convnetjs
使用这个库的缺点之一是难以管理，对于想要使用它的初学者来说也很复杂。要使用此库，您必须具有该领域的适当常识。我们也可以不喜欢它，因为处理有时比其他等效的工具慢。
6. ML.js
ML.JS 为使用 NodeJS 和浏览器提供机器学习工具。 ML.js 的主要动机是让大型地理用户、熟练的编码人员和学生可以使用机器学习。该库包含了构建良好机器学习模型所需的几乎所有可能的算法。 ML.js 使我们能够在另一个层次上进行机器学习。 ML Hub-Team 喜欢使用新技术及其如此出色的实现。
您可以使用以下代码设置 ML.js 工具
ML.js 支持以下机器学习算法……
监督学习
- K-最近邻 (KNN)
- 朴素贝叶斯
- 偏最小二乘法 (PLS)
- 简单线性回归
- 随机森林
- 逻辑回归
- 决策树：CART
- 多元线性回归
- 支持向量机 (SVM)
无监督学习
- K均值聚类
- 主成分分析 (PCA)