博客

最全的机器学习资料汇总

  • Post author:
  • Post category:其他



摘要：


机器学习

牵涉的编程语言十分之广，包括了MATLAB、

Python

、Clojure、Ruby等等。为了让开发者更加广泛、深入地了解机器学习，云栖社区组织翻译了GitHub Awesome Machine Learning 资源，涵盖24种编程语言的机器学习的框架、库以及其他相关资料。


机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习牵涉的编程语言十分之广，包括了MATLAB、Julia、R、Perl、Python、Clojure、Ruby等等。

为了让开发者更加广泛、深入地了解机器学习，云栖社区组织翻译了GitHub Awesome Machine Learning 资源，涵盖24种编程语言的机器学习的框架、库以及其他相关资料。



目录




C




通用机器学习






  • Recommender










    –


    一个C语言库，利用协同过滤


    （CF）


    进行产品推荐/建议；



  • Darknet







    –


    是一个用C和CUDA编写的开源神经网络框架，它速度快，易于安装，并支持CPU和GPU计算。







计算机视觉






  • CCV








    –


    基于C语言、高速缓存的核计算机视觉库，是一个现代化的计算机视觉库；






  • VLFeat








    –


    开放、可便携的计算机视觉算法库，内有matlab工具箱。







语音识别






  • HTK










    –


    隐马尔可夫模型工具包（HTK）是一个便携式工具包，用于构建和操作隐马尔可夫模型。




C++






计算机视觉






  • OpenCV










    –


    OpenCV自带


    C ++、C、Python、Java和MATLAB


    接口，并支持Windows、Linux、Android版和Mac OS等系统；






  • DLib










    –


    DLib有C ++和Python接口，用于人脸检测和训练通用的目标探测器；






  • EBLearn










    –


    Eblearn是一种面向对象的C++库，能够实现各种机器学习模型；






  • VIGRA










    –


    VIGRA是通用跨平台的C++计算机视觉和机器学习库，能够用Python绑定任意维度的体积。







通用机器学习






  • mlpack










    –


    可扩展的C++机器学习库；






  • DLib










    –


    ML工具套件，能够很容易嵌入到其他应用程序中；






  • encog-cpp








  • shark








  • Vowpal Wabbit (VW)










    –


    一个快速的


    核外


    （


    out


    –


    of


    –


    core




    ）


    学习系统；






  • sofia-ml










    –


    快速增量算法套件；






  • Shogun










    –


    Shogun


    机器学习工具箱；






  • Caffe










    –


    基于清洁度、可读性和速度考虑而开发的深度学习框架。[深度学习]






  • CXXNET










    –


    另一个深度学习框架，其核心代码少于1000行；[深度学习]






  • XGBoost










    –


    一种并行、优化、通用的梯度推进库；






  • CUDA










    –


    利用C++ / CUDA快速实现卷积；[深度学习]






  • Stan










    –


    一种概率性的编程语言，能够实现


    Hamiltonian Monte Carlo


    抽样的全贝叶斯统计推断；






  • BanditLib










    –


    一个简单、有多重保护的


    Bandit


    库；






  • Timbl






    ：一个软件包/ C ++库，能够实现多种基于内存的学习算法，其中有


    IB1-IG–


    k-最近邻分类的实现、


    IGTree–


    IB1-IG


    的决策树近似值；常用于NLP；






  • Disrtibuted Machine learning Tool Kit (DMTK)








    –


    微软开发的分布式机器学习（参数服务器）框架，能够在多台机器的大型数据集上实现训练模型，与它捆绑的现有工具包括：


    LightLDA


    和分布式（多传感）字嵌入；






  • igraph










    –


    通用图形库；






  • Warp-CTC










    –


    在CPU和GPU上快速并行地实现连接时域分类（


    Connectionist Temporal Classification


    ，


    CTC


    ）；






  • CNTK










    –


    微软研究院开发的计算网络工具包（CNTK），它作为一系列计算步骤，通过有向图来描述神经网络，是统一的深度学习工具包；






  • DeepDetect










    –


    一个机器学习API，服务器用C++11编写，它使机器学习的状态易于工作，并容易集成到现有应用程序；






  • Fido










    –


    一个高度模块化的C++机器学习库，用于嵌入式电子产品和机器人中。







自然语言处理






  • MIT Information Extraction Toolkit










    –


    C，C ++和Python的工具，用于命名实体识别与关系抽取；






  • CRF++










    –


    条件随机域（


    Conditional Random Fields


    ，


    CRFs


    ）的开源实现，用于分割/标记序列数据及其他自然语言处理任务；






  • CRFsuite










    –


    条件随机域（


    CRFs


    ）的实现，用于标记序列数据；






  • BLLIP Parser










    –


    BLLIP


    自然语言解析器（也称为


    Charniak-Johnson


    解析器）；






  • colibri-core










    –


    是C++库、命令行工具，和Python绑定用于提取与使用基本的语言结构，例如用快速和高效存储的方式实现


    n-grams


    和


    skipgrams


    模型；






  • ucto










    –


    是一种工具和C++库，基于支持各种语言的编译器，内含统一字符标准及规则表达式；支持


    FoLiA


    格式；






  • libfolia










    –


    支持



    FoLiA


    格式



    的C++库；






  • frog










    –


    为


    Dutch


    开发的基于内存的NLP套件：POS标签、归类分析、依存句法分析、NER、浅层句法分析、形态分析；






  • MeTA









    –





    MeTA : ModErn


    语篇分析（


    ModErn Text Analysis





    ）



    ，是一个C++数据科学工具包，便于挖掘大文本数据。







语音识别






  • Kaldi










    –


    Kaldi


    是用于语音识别的工具包，用C++编写，由Apache许可证V2.0协议授权，专门给语音识别的研究人员使用。




序列分析






  • ToPS










    –


    这是一种面向对象的框架，便于在用户定义的字母序列中整合概率模型。







手势检测






  • grt










    –


    手势识别工具包（GRT）是一个跨平台、开源的C++机器学习库，用于实时的手势识别。







Common Lisp




通用机器学习






  • mgl










    –


    神经网络（玻耳兹曼机，前馈和循环网络）以及高斯过程；






  • mgl-gpr










    –


    演化算法；






  • cl-libsvm










    –


    LIBSVM支持向量机库的包装。








Clojure









自然语言处理










通用机器学习







  • Touchstone





    – Clojure A/B


    测试库；





  • Clojush





    – Clojure


    中的Push程序语言和PushGP遗传编程系统


    ；





  • Infer





    – Clojure


    中分析和机器学习的工具；





  • Clj-ML





    –


    Clojure中基于Weka及其相关环境的深度学习库；





  • Encog





    –


    在


    Clojure


    中封装成


    Encog (v3)


    （专门研究神经网络的机器学习框架）；





  • Fungp





    –  Clojure


    中的遗传编程实例库；





  • Statistiker





    –


    Clojure中基础机器学习算法；





  • clortex





    –


    采用


    Numenta’s Cortical


    学习算法的通用机器学习库；





  • comportex





    –


    采用


    Numenta’s Cortical


    学习算法的功能组合的机器学习库。








数据分析/数据可视化











  • Incanter





    – Incanter


    是基于


    Clojure


    ，类似R的统计计算与制图平台


    ；





  • PigPen





    –  Clojure


    中的Map-Reduce；





  • Envision





    –


    基于


    Statistiker


    和


    D3Clojure


    数据可视化库。





Erlang









通用机器学习









  • Disco



    –


    Erlang中的


    Map Reduce


    模型。





Go









自然语言处理









  • go-porterstemmer





    –


    一个用于实现


    Porter词干提取算法的原生Go语言净室；





  • paicehusk





    –


    Go语言中用于实现


    Paice/Husk词干提取算法；





  • snowball





    –


    Go语言中的


    Snowball


    词干提取器；





  • go-ngram





    –


    内存N-gram索引压缩




    。








通用机器学习









  • Go Learn





    –


    Go语言中的机器学习库；





  • go-pr





    –


    Go语言中的模式识别包；





  • go-ml





    –


    线性/逻辑回归、神经网络、协同过滤和多元高斯分布；





  • bayesian





    –


    Go语言中朴素


    贝叶斯分类库；





  • go-galib





    –




    Go语言版的遗传算法库；





  • Cloudforest





    –


    GO语言中的决策树集合；





  • gobrain





    –


    GO语言版的神经网络；





  • GoNN





    – GoNN


    是用Go语言实现的神经网络，它包括BPNN、RBF、PCN




    ；





  • MXNet





    –


    轻量级、便携式、灵活的分布式/深度学习系统，可对动态的、突变数据流调度部署，同时也支持Python、R、Julia、Go、Javascript 等编程语言。




数据分析/数据可视化





  • go-graph





    –


    Go语言图形库；





  • SVGo





    –


    Go语言的SV


    G生成库；





  • RF





    –


    Go语言的随机森林库；





Haskell









通用机器学习









  • haskell-ml





    – Haskell


    语言实现的各种深度学习算法




    ；





  • HLearn





    –


    根据代数结构解释其深度模型的库；





  • hnn





    – Haskell


    语言的神经网络库；





  • hopfield-networks





    –


    Haskell中用于无监督学习的


    Hopfield


    网络；





  • caffegraph





    –


    一种用于深度神经网络的领域特定语言（DSL）；





  • LambdaNet





    – Haskell


    中的可配置的神经网络。







Java









自然语言处理









  • Cortical.io





    –


    像人脑一样快速、精确处理复杂的NLP（自然语言处理）操作（如消歧、分类、流文本过滤等操作）的Retina API；





  • CoreNLP





    –


    斯坦福大学的CoreNLP提供的一系列的自然语言处理工具，该工具可以根据输入原始英语文本，给出单词的基本形式；





  • Stanford Parser





    –


    一


    种自然语言分析器，可以分析语句的语法结构；





  • Stanford POS Tagger





    –


    一个词性分类器


    (POS Tagger


    ）；





  • Stanford Name Entity Recognizer





    –


    Stanford NER是一个


    Java实现的名称识别器；





  • Stanford Word Segmenter





    –


    分词器，很多NLP工作中都要用到的标准预处理步骤；





  • Tregex, Tsurgeon and Semgrex





    – T


    regex


    基于树关系以及节点匹配的正则表达


    式，用于在树状数据结构中进行模式匹配（名字是“tree regular expressions”的缩写）




    ；





  • Stanford Phrasal:



    一个基于短语的翻译系统





  • Stanford English Tokenizer





    –


    Stanford Phrasal


    用Java写成的最新的基于统计短语的机器翻译系统；





  • Stanford Tokens Regex





    –


    一个分解器，可以将文本大致分成一系列对应于“词”的符号；





  • Stanford Temporal Tagger





    –




    SUTime是一个用于识别并标准化时间表达式的库；





  • Stanford SPIED





    –


    在种子集上使用模式，以迭代方式从无标签文本中进行学习实体；





  • Stanford Topic Modeling Toolbox





    –


    为社会科学家及其他希望分析数据集的人员提供的主题建模工具；





  • Twitter Text Java





    –


    Java实现的推特文本处理库；





  • MALLET





    –




    基于Java的统计自然语言处理、文档分类、聚类、主题建模、信息提取以及其他机器学习的文本应用包；





  • OpenNLP





    –


    基于机器学习的自然语言文本处理工具包；





  • LingPipe





    –


    一个使用计算机语言学文本处理的工具包；





  • ClearTK





    –


    在Java中


    ClearTK


    为开发统计语言处理组件提供了一个框架，该框架是基于


    Apache UIMA


    ；





  • Apache cTAKES





    – Apache cTAKES


    是一个开源自然语言处理系统，用于从临床电子病历的自由文本中提取信息；





  • ClearNLP





    – ClearNLP


    工程为自然语言处理提供了软件和资源提供了。该项目最早在计算机愈合和教育研究中心启动，目前由


    Emory


    大学的语言和信息研究中心继续开发。该项目遵循


    Apache 2




    license


    。








通用机器学习









  • aerosolve





    –


    是由Airbnb设计的定价建议系统的机器学习库；





  • Datumbox





    –


    应对机器学习和统计应用快速发展的机器学习框架；





  • ELKI





    –


    用于数据挖掘的Java工具包


    (


    无监督：聚类、异常检测等等


    )


    ；





  • Encog





    –


    一种先进的神经网络和机器学习框架。


    Encog


    包含用于创建各类网络的类，同时也支持为神经网络规范和处理数据的类。


    它的训练采用多线程弹性传播。它也能使用GPU加快处理时间。提供了图形化界面来帮助建模和训练神经网络。





  • EvA2





    –


    包含遗传算法、差分进化、协方差自适应进化策略等等的进化算法框架；





  • FlinkML in Apache Flink





    – Flink


    中的分布式机器学习库；





  • H2O





    –


    深度学习引擎，支持在Hadoop、Spark 或者通过R、Python、Scala 、


    REST/JSONML


    的APIs连到的笔记本上进行分布式学习；





  • htm.java





    –


    采用


    Numenta




    Cortical


    学习算法的通用机器学习库 ；





  • java-deeplearning





    – Java


    、


    Clojure


    、


    Scala


    的分布式深度学习平台；





  • JAVA-ML





    –


    包含所有


    Java


    算法的通用接口的通用深度学习库；





  • JSAT





    –


    用于分类、回归、聚类的机器学习算法集合；





  • Mahout





    –


    分布式的机器学习库；





  • Meka





    –


    MEKA提供了一个面向多标签学习和评价方法的开源实现（扩展成Weka）；





  • MLlib in Apache Spark





    –


    Spark中的分布式机器学习程序库；





  • Neuroph





    – Neuroph


    是轻量级的Java神经网络框架；





  • ORYX





    –


    采用


    Apache Spark


    和


    Apache Kafka


    的


    Lambda


    结构框架，专门用于实时大规模机器学习；





  • Samoa





    –


    SAMOA


    是一个包含用于分布式机器学习数据流的框架，同时为数据流流入不同的流处理平台提供了接口；





  • RankLib





    – RankLib


    是一个排序学习算法库；





  • rapaio





    –


    Java中用于统计、数据挖掘和机器学习的工具箱；





  • RapidMiner





    – RapidMiner integration into Java code





  • Stanford Classifier





    –


    斯坦福大学分类器是一种机器学习工具，它可以将数据项归置不同的类别中；





  • SmileMiner





    –


    统计机器智能与学习引擎；





  • SystemML





    –


    灵活、可扩展的机器学习语言；





  • WalnutiQ





    –


    人脑部分面向对象模型；





  • Weka





    –




    Weka是数据挖掘方面的机器学习算法集




    。






语音识别









  • CMU Sphinx





    – CMU Sphinx


    是基于Java 语音识别库，用于纯语音识别开源工具包。








数据分析/数据可视化












深度学习









数

J

avascript






自然语言处理






  • Twitter-text






    – Twitter文本处理库中使用JavaScript的实现；






  • NLP.js




    –


    使用JavaScript和CoffeeScript的


    NLP


    实用工具；






  • natural




    –


    用于节点的通用自然语言工具；






  • Knwl.js




    –


    JS中的自然语言处理器；






  • Retext






    -用于分析和处理自然语言的可扩展系统；






  • TextProcessing






    -情感分析，词干和词形还原，部分词性标注和组块，短语提取和命名实体识别；






  • NLP Compromise






    – 浏览器中的自然语言处理。







数据分析/数据可视化







通用机器学习






  • Convnet.js






    – ConvNetJS是一个JavaScript库，用于训练深度学习模型[深度学习]；






  • Clusterfck






    – 为Node.js和浏览器，用Javascript实现的凝聚层次聚类；






  • Clustering.js




    –


    Javascript为Node.js和浏览器实现的聚类算法；






  • Decision Trees






    -使用ID3算法实现NodeJS决策树；






  • figue






    – K-均值、模糊C均值和凝聚聚类；






  • Node-fann






    -Node.js绑定的快速人工神经网络库（


    Fast Artificial Neural Network Library


    ，


    FANN


    ）；






  • Kmeans.js






    – K-均值算法用JavaScript的简单实现，用于Node.js和浏览器；






  • LDA.js




    –


    Node.js的LDA主题建模；






  • Learning.js




    –


    用Javascript实现逻辑回归/


    c4.5


    决策树；






  • Machine Learning




    –




    Node.js


    的机器学习库；






  • Node-SVM




    –




    Node.js


    的支持向量机；






  • Brain




    –


    JavaScript中的神经网络[已弃用]；






  • Bayesian-Bandit




    –




    Node


    和浏览器的贝叶斯实现；






  • Synaptic




    –


    用于Node.js和浏览器的无架构神经网络库；






  • kNear




    –


    JavaScript实现的k个最近邻算法，用于监督学习；






  • NeuralN




    –


    Node.js的C++神经网络库，其优点是有大量的数据集和多线程训练；






  • kalman




    –


    Javascript的卡尔曼滤波器；






  • shaman




    –


    Node.js库，同时支持简单和多元的线性回归；






  • ml.js




    –


    用于Node.js和浏览器的机器学习和数值分析工具；






  • Pavlov.js




    –


    利用马尔可夫决策过程强化学习；






  • MXNet




    –



    轻量级、便携式、灵活的分布式/深度学习系统，可对动态的、突变数据流调度部署，同时也支持Python、R、Julia、Go、Javascript 等编程语言。




其它






  • sylvester




    –


    用于JavaScript的向量和矩阵数学；






  • simple-statistics




    –


    描述，回归和推断统计的JavaScript实现；用文字实现的JavaScript，没有依赖性，能在所有现代浏览器（包括IE）以及在node.js中工作；






  • regression-js




    –


    JavaScript库，包含小二乘法拟合方法的集合，用于寻找数据集的趋势；






  • Lyric




    –


    线性回归库；






  • GreatCircle




    –


    计算大圆距的库。







Julia






通用机器学习






  • MachineLearning




    –




    Julia


    机器学习库；






  • MLBase




    –


    一组支持机器学习算法的发展的函数；






  • PGM




    –


    一个概率图模型的


    Julia


    框架；






  • DA




    –


    正则判别分析的


    Julia


    组件；






  • Regression




    –


    回归分析算法（例如线性回归和逻辑回归）；






  • Local Regression




    –


    局部回归，超级流畅！






  • Naive Bayes




    –




    Julia


    朴素贝叶斯方法的简单实现；






  • Mixed Models




    –


    用于装配（统计）混合效应模型的


    Julia


    组件；






  • Simple MCMC




    –




    Julia


    实现基本的MCMC采样；






  • Distance




    –




    Julia


    距离评估模块；






  • Decision Tree




    –


    决策树分类和回归；






  • Neural




    –




    Julia


    神经网络；






  • MCMC




    –




    Julia


    的MCMC工具；






  • Mamba




    –




    Julia


    中马尔可夫链蒙特卡罗（MCMC）的贝叶斯分析；






  • GLM




    –




    Julia


    的广义线性模型。






  • Online Learning








  • GLMNet




    –


    GMLNet的Julia包装版，适合套索/弹性网模型；






  • Clustering




    –


    集群数据的基本功能：K-均值，DP-均值等；






  • SVM




    –




    Julia


    适用的


    SVM


    ；






  • Kernal Density




    –




    Julia


    的核密度估计量；






  • Dimensionality Reduction




    –


    降维方法；






  • NMF




    –


    非负矩阵分解的


    Julia


    包；






  • ANN




    –




    Julia


    人工神经网络；






  • Mocha




    –


    受Caffe启发，


    Julia


    的深度学习框架；






  • XGBoost




    –




    Julia


    中的


    eXtreme Gradient Boosting


    包


    ；






  • ManifoldLearning




    –


    用于流形学习和非线性降维的


    Julia


    组件；






  • MXNet




    –



    轻量级、便携式、灵活的分布式/深度学习系统，可对动态的、突变数据流调度部署，同时也支持Python、R、Julia、Go、Javascript 等编程语言。







  • Merlin




    –




    Julia


    灵活的深度学习框架。







自然语言处理







数据分析/数据可视化







其他项/展示