機器學習之開源庫大總結

機器學習之開源庫大總結

　　研究資料探勘和機器學習有一段時間了，對資料探勘來說，商用軟體有SAS、Clementine、Oracle資料探勘元件等等；由於個人學習和版權、演算法定製等問題，開源的資料探勘與機器學習軟體(庫)目前也十分必需，現在就跟大家介紹下比較流行和常用的機器學習開源庫。

　　以前在學校用過matlab，說實話真方便，通常一個模型只要幾十行甚至十幾行程式碼就能搞定，但是正版matlab較貴，而且不太適合商業開發使用，所以工業界使用它的並不多(通訊行業、研究所比較普遍)；相應地，在工業界機器學習和資料探勘的實驗語言多為java、python,因為python與C\C++具有先天的血緣，所以python更容易擴充套件；java的機器學習庫也十分流行，主要體現在大資料下的jvm的本質和演算法並行化的優勢；現推薦給大家以下學習庫：

1.機器學習開源軟體網（收錄了各種機器學習的各種程式語言學術與商業的開源軟體）

http://mloss.org

2 偶爾找到的機器學習資源網：（也非常全，1和2基本收錄了所有ML的經典開源軟體了）

http://www.dmoz.org/Computers/Artificial_Intelligence/Machine_Learning/Software/

3 libsvm （支援向量機界最牛的，不用多說了，臺灣大學的林教授的傑作）

http://www.csie.ntu.edu.tw/~cjlin/libsvm/

4 WEKA （基於java的機器學習演算法最全面最易用的開源軟體）

http://www.cs.waikato.ac.nz/ml/weka/

5 scikit (本人最喜歡的一個基於python的機器學習軟體，程式碼寫得非常好，而且官方的文件非常全，所有都有例子，演算法也齊全，開發也活躍 
，強烈推薦給大家用）

https://pypi.python.org/pypi/scikit-learn/

6 OpenCv(最牛的開源計算機視覺庫了，前途無可限量，做影像處理與模式識別的一定要用，總不能整天抱著matlab做實驗和工業界脫節吧，但是有一定難度)

http://opencv.willowgarage.com/wiki/

7 Orange (基於c++和python介面的機器學習軟體，介面漂亮，呼叫方便,可以同時學習C＋＋和python，還有視覺化的功能，）

http://orange.biolab.si/

8 Mallet (基於JAVA實現的機器學習庫，主要用於自然語言處理方面，特色是馬爾可夫模型和隨機域做得好，可和WEKA互補）

http://mallet.cs.umass.edu/

9 NLTK(PYTHON的自然處理開源庫，非常易用，也強大，還有幾本orelly的經典教程）

http://nltk.org/

10 lucene(基於java的包括nutch,solr,hadoop,mahout等全套，是做資訊檢索和搜尋引擎的同志們必學的開源軟體了，學JAVA的必學）

http://lucene.apache.org/

Additional：

1.pyml(a python module for machine learning，支援svm/knn/k-means==)

http://mlpy.sourceforge.net/

2.mahout(阿帕奇基金下專案，其主要是可以與hadoop進行天然結合，從而並行執行，在魯棒性方面很好)

http://mahout.apache.org/

3.milk(python的機器學習工具包，主要是針對監督學習，包括svm/knn/決策樹)

http://pypi.python.org/pypi/milk/

4.Octave(Andrew NG課上推薦使用的，類似matlab)

http://www.gnu.org/software/octave/