基于 JavaScript (Node.js) 的机器学习：ML 库

基于 JavaScript (Node.js) 的机器学习：库与工具

尽管 Python 仍然是机器学习领域的主导语言，但 JavaScript（尤其是 Node.js 平台）在该领域正迅速流行起来。这得益于其能够在浏览器中直接运行模型、统一技术栈（全栈 JS）以及出现了用于处理神经网络、线性代数和统计学的强大库。本文将介绍 Node.js 的关键机器学习库、它们的功能及使用示例。

1. TensorFlow.js — JS 机器学习的旗舰

TensorFlow.js 是谷歌流行框架的移植版，专为 JavaScript 适配。它允许从头训练模型、运行预训练模型，并在 Node.js 和浏览器中执行推理。该库通过 WebGL（浏览器中）或 CUDA（通过 Node.js 插件）支持 GPU 加速。

安装：

npm install @tensorflow/tfjs @tensorflow/tfjs-node

示例：线性回归

const tf = require('@tensorflow/tfjs-node');

// 训练数据const xs = tf.tensor2d([1, 2, 3, 4], [4, 1]);const ys = tf.tensor2d([2, 4, 6, 8], [4, 1]);

// 创建模型const model = tf.sequential();model.add(tf.layers.dense({units: 1, inputShape: [1]}));

// 编译model.compile({optimizer: 'sgd', loss: 'meanSquaredError'});

// 训练model.fit(xs, ys, {epochs: 200}).then(() => {  // 预测  model.predict(tf.tensor2d([5], [1, 1])).print();});

关键功能：

• 完全支持神经网络（卷积、循环、Transformer）
• 从 Keras (Python) 和 TensorFlow Hub 加载模型
• 计算图操作与自动微分
• 内置可视化工具 (tfjs-vis)

2. Brain.js — 简单易用

Brain.js 是 JavaScript 中最简单的神经网络库之一。它非常适合初学者和小型项目。支持前馈网络和循环网络（LSTM、GRU），以及时间序列处理。

安装：

npm install brain.js

示例：XOR 分类

const brain = require('brain.js');const net = new brain.NeuralNetwork();

net.train([  {input: [0, 0], output: [0]},  {input: [0, 1], output: [1]},  {input: [1, 0], output: [1]},  {input: [1, 1], output: [0]}]);

const output = net.run([1, 0]); // ~0.98console.log(output);

特点：

• 极低的上手门槛——仅需几行代码
• 内置数据归一化支持
• 支持以 JSON 格式保存和加载训练好的模型
• 支持循环网络（LSTMTimeStep、GRUTimeStep）

3. Synaptic — 模块化架构

Synaptic 是一个开源库，提供灵活的神经网络构建架构。它不依赖外部库（仅需纯 JS），允许创建任意网络拓扑，包括多层感知机、长短期记忆网络（LSTM）甚至胶囊网络。

安装：

npm install synaptic

示例：创建感知机

const synaptic = require('synaptic');

const { Layer, Network, Trainer } = synaptic;

const inputLayer = new Layer(2);const hiddenLayer = new Layer(3);const outputLayer = new Layer(1);

inputLayer.project(hiddenLayer);hiddenLayer.project(outputLayer);

const myNetwork = new Network({  input: inputLayer,  hidden: [hiddenLayer],  output: outputLayer});

const t