1. 数据分析网首页
  2. 人工智能

史上最全的机器学习资料(上)

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。

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;
  • MeTAMeTA : 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

  • Clojure-openNLP– Clojure中自然语言处理的工具包(openNLP);
  • Infections-clj– Clojure和Clojure中类似于Rails的inflection库。

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SVG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– Tregex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 2license。

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NumentaCortical 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

  • Deeplearning4j– 采用并行GPU的商用可扩展深度学习库。

Javascript


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

编译自:https://github.com/josephmisiti/awesome-machine-learning

来源:云栖社区

译者:刘崇鑫 校对:王殿进

本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「我们」留言处理。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言

QR code