史上最全的机器学习资料(上) 转

Posted wolfplan

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了史上最全的机器学习资料(上) 转相关的知识,希望对你有一定的参考价值。

转自:http://www.afenxi.com/post/18593

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

  • 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 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

  • Flink – Apache Flink是一个面向分布式数据流处理和批量数据处理的开源计算平台;
  • Hadoop – 大数据分析平台;
  • Spark – Spark是一个快速通用的大规模数据处理引擎;
  • Storm – Storm是一个分布式实时计算系统;
  • Impala – 为Hadoop实现实时查询
  • DataMelt – 用于数字计算、统计、符号计算、数据分析和数据可视化的数学软件;
  • Dr. Michael Thomas Flanagan’s Java Scientific Library

深度学习

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

数 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

来源:云栖社区
译者:刘崇鑫   校对:王殿进

以上是关于史上最全的机器学习资料(上) 转的主要内容,如果未能解决你的问题,请参考以下文章

史上最全实战资源,机器学习框架高分练手项目及数据集汇总

史上最全的大厂机器学习面试题,赶紧收藏吧!(附详解答案)

史上最全!358篇机器学习&自然语言处理综述论文!都这儿了

吐血整理 | 史上最全推荐系统资料合集

史上最全!近千篇机器学习&自然语言处理论文!都这儿了

python学习教程,史上最全面的python学习路线图