推薦！國外程式設計師整理的機器學習資源大全

toolate發表於2014-08-14
程式設計師機器學習

本文彙編了一些機器學習領域的框架、庫以及軟體（按程式語言排序）。

伯樂線上已在 GitHub 上發起「機器學習資源大全中文版」的整理。歡迎擴散、歡迎加入。

https://github.com/jobbole/awesome-machine-learning-cn

C++

計算機視覺

  • CCV —基於C語言/提供快取/核心的機器視覺庫，新穎的機器視覺庫
  • OpenCV—它提供C++, C, Python, Java 以及 MATLAB介面，並支援Windows, Linux, Android and Mac OS作業系統。

通用機器學習

Closure

通用機器學習

Go

自然語言處理

  • go-porterstemmer—一個Porter詞幹提取演算法的原生Go語言淨室實現
  • paicehusk—Paice/Husk詞幹提取演算法的Go語言實現
  • snowball—Go語言版的Snowball詞幹提取器

通用機器學習

  • Go Learn— Go語言機器學習庫
  • go-pr —Go語言機器學習包.
  • bayesian—Go語言樸素貝葉斯分類庫。
  • go-galib—Go語言遺傳演算法庫。


資料分析/資料視覺化

  • go-graph—Go語言圖形庫。
  • SVGo—Go語言的SVG生成庫。

Java

自然語言處理

  • CoreNLP—史丹佛大學的CoreNLP提供一系列的自然語言處理工具，輸入原始英語文字，可以給出單詞的基本形式（下面Stanford開頭的幾個工具都包含其中）。
  • Stanford Parser—一個自然語言解析器。
  • Stanford POS Tagger —一個詞性分類器。
  • Stanford Name Entity Recognizer—Java實現的名稱識別器
  • Stanford Word Segmenter—分詞器，很多NLP工作中都要用到的標準預處理步驟。
  • Tregex, Tsurgeon and Semgrex —用來在樹狀資料結構中進行模式匹配，基於樹關係以及節點匹配的正規表示式（名字是“tree regular expressions”的縮寫）。
  • Stanford Phrasal:最新的基於統計短語的機器翻譯系統，java編寫
  • Stanford Tokens Regex—用以定義文字模式的框架。
  • Stanford Temporal Tagger—SUTime是一個識別並標準化時間表示式的庫。
  • Stanford SPIED—在種子集上使用模式，以迭代方式從無標籤文字中學習字元實體
  • Stanford Topic Modeling Toolbox —為社會科學家及其他希望分析資料集的人員提供的主題建模工具。
  • Twitter Text Java—Java實現的推特文字處理庫
  • MALLET -—基於Java的統計自然語言處理、文件分類、聚類、主題建模、資訊提取以及其他機器學習文字應用包。
  • OpenNLP—處理自然語言文字的機器學習工具包。
  • LingPipe —使用計算機語言學處理文字的工具包。


通用機器學習

  • MLlib in Apache Spark—Spark中的分散式機器學習程式庫
  • Mahout —分散式的機器學習庫
  • Stanford Classifier —史丹佛大學的分類器
  • Weka—Weka是資料探勘方面的機器學習演算法集。
  • ORYX—提供一個簡單的大規模實時機器學習/預測分析基礎架構。

資料分析/資料視覺化

  • Hadoop—大資料分析平臺
  • Spark—快速通用的大規模資料處理引擎。
  • Impala —為Hadoop實現實時查詢

Javascript

自然語言處理

  • Twitter-text-js —JavaScript實現的推特文字處理庫
  • NLP.js —javascript及coffeescript編寫的NLP工具
  • natural—Node下的通用NLP工具
  • Knwl.js—JS編寫的自然語言處理器

資料分析/資料視覺化


通用機器學習

  • Convnet.js—訓練深度學習模型的JavaScript庫。
  • Clustering.js—用JavaScript實現的聚類演算法，供Node.js及瀏覽器使用。
  • Decision Trees—Node.js實現的決策樹，使用ID3演算法。
  • Node-fann —Node.js下的快速人工神經網路庫。
  • Kmeans.js—k-means演算法的簡單Javascript實現，供Node.js及瀏覽器使用。
  • LDA.js —供Node.js用的LDA主題建模工具。
  • Learning.js—邏輯迴歸/c4.5決策樹的JavaScript實現
  • Machine Learning—Node.js的機器學習庫。
  • Node-SVM—Node.js的支援向量機
  • Brain —JavaScript實現的神經網路
  • Bayesian-Bandit —貝葉斯強盜演算法的實現，供Node.js及瀏覽器使用。

Julia

通用機器學習

  • PGM—Julia實現的概率圖模型框架。
  • DA—Julia實現的正則化判別分析包。
  • Regression—迴歸分析演算法包（如線性迴歸和邏輯迴歸）。
  • Local Regression —區域性迴歸，非常平滑！
  • Naive Bayes —樸素貝葉斯的簡單Julia實現
  • Mixed Models —（統計）混合效應模型的Julia包
  • Simple MCMC —Julia實現的基本mcmc取樣器
  • Distance—Julia實現的距離評估模組
  • Decision Tree —決策樹分類器及迴歸分析器
  • Neural —Julia實現的神經網路
  • MCMC —Julia下的MCMC工具
  • GLM —Julia寫的廣義線性模型包
  • Online Learning
  • GLMNet —GMLNet的Julia包裝版，適合套索/彈性網模型。
  • Clustering—資料聚類的基本函式：k-means, dp-means等。
  • SVM—Julia下的支援向量機。
  • Kernal Density—Julia下的核密度估計器
  • Dimensionality Reduction—降維演算法
  • NMF —Julia下的非負矩陣分解包
  • ANN—Julia實現的神經網路

自然語言處理

資料分析/資料視覺化

雜項/簡報

Lua


通用機器學習

  • Torch7
    • cephes —Cephes數學函式庫，包裝成Torch可用形式。提供幷包裝了超過180個特殊的數學函式，由Stephen L. Moshier開發，是SciPy的核心，應用於很多場合。
    • graph —供Torch使用的圖形包。
    • randomkit—從Numpy提取的隨機數生成包，包裝成Torch可用形式。
    • signal —Torch-7可用的訊號處理工具包，可進行FFT, DCT, Hilbert, cepstrums, stft等變換。
    • nn —Torch可用的神經網路包。
    • nngraph —為nn庫提供圖形計算能力。
    • nnx—一個不穩定實驗性的包，擴充套件Torch內建的nn庫。
    • optim—Torch可用的優化演算法庫，包括 SGD, Adagrad, 共軛梯度演算法, LBFGS, RProp等演算法。
    • unsup—Torch下的非監督學習包。提供的模組與nn(LinearPsd, ConvPsd, AutoEncoder, …)及獨立演算法 (k-means, PCA)等相容。
    • manifold—操作流形的包。
    • svm—Torch的支援向量機庫。
    • lbfgs—將liblbfgs包裝為FFI介面。
    • vowpalwabbit —老版的vowpalwabbit對torch的介面。
    • OpenGM—OpenGM是C++編寫的圖形建模及推斷庫，該binding可以用Lua以簡單的方式描述圖形，然後用OpenGM優化。
    • sphagetti —MichaelMathieu為torch7編寫的稀疏線性模組。
    • LuaSHKit —將區域性敏感雜湊庫SHKit包裝成lua可用形式。
    • kernel smoothing —KNN、核權平均以及區域性線性迴歸平滑器
    • cutorch—torch的CUDA後端實現
    • cunn —torch的CUDA神經網路實現。
    • imgraph—torch的影象/圖形庫，提供從影象建立圖形、分割、建立樹、又轉化回影象的例程
    • videograph—torch的視訊/圖形庫，提供從視訊建立圖形、分割、建立樹、又轉化回視訊的例程
    • saliency —積分影象的程式碼和工具，用來從快速積分直方圖中尋找興趣點。
    • stitch —使用hugin拼合影象並將其生成視訊序列。
    • sfm—運動場景束調整/結構包
    • fex —torch的特徵提取包，提供SIFT和dSIFT模組。
    • OverFeat—當前最高水準的通用密度特徵提取器。
  • Numeric Lua
  • Lunatic Python
  • SciLua
  • Lua – Numerical Algorithms
  • Lunum

演示及指令碼

  • Core torch7 demos repository.核心torch7演示程式庫
    • 線性迴歸、邏輯迴歸
    • 人臉檢測（訓練和檢測是獨立的演示）
    • 基於mst的斷詞器
    • train-a-digit-classifier
    • train-autoencoder
    • optical flow demo
    • train-on-housenumbers
    • train-on-cifar
    • tracking with deep nets
    • kinect demo
    • 濾波視覺化
    • saliency-networks
  • Training a Convnet for the Galaxy-Zoo Kaggle challenge(CUDA demo)
  • Music Tagging—torch7下的音樂標籤指令碼
  • torch-datasets 讀取幾個流行的資料集的指令碼，包括：
    • BSR 500
    • CIFAR-10
    • COIL
    • Street View House Numbers
    • MNIST
    • NORB
  • Atari2600 —在Arcade Learning Environment模擬器中用靜態幀生成資料集的指令碼。

Matlab

計算機視覺

  • Contourlets —實現輪廓波變換及其使用函式的MATLAB原始碼
  • Shearlets—剪下波變換的MATLAB原始碼
  • Curvelets—Curvelet變換的MATLAB原始碼（Curvelet變換是對小波變換向更高維的推廣，用來在不同尺度角度表示影象。）
  • Bandlets—Bandlets變換的MATLAB原始碼

自然語言處理

  • NLP —一個Matlab的NLP庫

通用機器學習

資料分析/資料視覺化

  • matlab_gbl—處理影象的Matlab包
  • gamic—影象演算法純Matlab高效實現，對MatlabBGL的mex函式是個補充。

.NET

計算機視覺

  • OpenCVDotNet —包裝器，使.NET程式能使用OpenCV程式碼
  • Emgu CV—跨平臺的包裝器，能在Windows, Linus, Mac OS X, iOS, 和Android上編譯。

自然語言處理

  • Stanford.NLP for .NET —史丹佛大學NLP包在.NET上的完全移植，還可作為NuGet包進行預編譯。

通用機器學習

  • Accord.MachineLearning —支援向量機、決策樹、樸素貝葉斯模型、K-means、高斯混合模型和機器學習應用的通用演算法，例如：隨機抽樣一致性演算法、交叉驗證、網格搜尋。這個包是Accord.NET框架的一部分。
  • Vulpes—F#語言實現的Deep belief和深度學習包，它在Alea.cuBase下利用CUDA GPU來執行。
  • Encog —先進的神經網路和機器學習框架，包括用來建立多種網路的類，也支援神經網路需要的資料規則化及處理的類。它的訓練採用多執行緒彈性傳播。它也能使用GPU加快處理時間。提供了圖形化介面來幫助建模和訓練神經網路。
  • Neural Network Designer —這是一個資料庫管理系統和神經網路設計器。設計器用WPF開發，也是一個UI，你可以設計你的神經網路、查詢網路、建立並配置聊天機器人，它能問問題，並從你的反饋中學習。這些機器人甚至可以從網路蒐集資訊用來輸出，或是用來學習。

資料分析/資料視覺化

  • numl —numl這個機器學習庫，目標就是簡化預測和聚類的標準建模技術。
  • Math.NET Numerics—Math.NET專案的數值計算基礎，著眼提供科學、工程以及日常數值計算的方法和演算法。支援 Windows, Linux 和 Mac上的 .Net 4.0, .Net 3.5 和 Mono ，Silverlight 5, WindowsPhone/SL 8, WindowsPhone 8.1 以及裝有 PCL Portable Profiles 47 及 344的Windows 8， 裝有 Xamarin的Android/iOS 。
  • Sho —Sho是資料分析和科學計算的互動式環境，可以讓你將指令碼（IronPython語言）和編譯的程式碼（.NET）無縫連線，以快速靈活的建立原型。這個環境包括強大高效的庫，如線性代數、資料視覺化，可供任何.NET語言使用，還為快速開發提供了功能豐富的互動式shell。

Python

計算機視覺

  • SimpleCV—開源的計算機視覺框架，可以訪問如OpenCV等高效能運算機視覺庫。使用Python編寫，可以在Mac、Windows以及Ubuntu上執行。

自然語言處理

  • NLTK —一個領先的平臺，用來編寫處理人類語言資料的Python程式
  • Pattern—Python可用的web挖掘模組，包括自然語言處理、機器學習等工具。
  • TextBlob—為普通自然語言處理任務提供一致的API，以NLTK和Pattern為基礎，並和兩者都能很好相容。
  • jieba—中文斷詞工具。
  • SnowNLP —中文文字處理庫。
  • loso—另一箇中文斷詞庫。
  • genius —基於條件隨機域的中文斷詞庫。
  • nut —自然語言理解工具包。

通用機器學習

  • Bayesian Methods for Hackers —Python語言概率規劃的電子書
  • MLlib in Apache Spark—Spark下的分散式機器學習庫。
  • scikit-learn—基於SciPy的機器學習模組
  • graphlab-create —包含多種機器學習模組的庫（迴歸，聚類，推薦系統，圖分析等），基於可以磁碟儲存的DataFrame。
  • BigML—連線外部伺服器的庫。
  • pattern—Python的web挖掘模組
  • NuPIC—Numenta公司的智慧計算平臺。
  • Pylearn2—基於Theano的機器學習庫。
  • hebel —Python編寫的使用GPU加速的深度學習庫。
  • gensim—主題建模工具。
  • PyBrain—另一個機器學習庫。
  • Crab —可擴充套件的、快速推薦引擎。
  • python-recsys —Python實現的推薦系統。
  • thinking bayes—關於貝葉斯分析的書籍
  • Restricted Boltzmann Machines —Python實現的受限波爾茲曼機。[深度學習]。
  • Bolt —線上學習工具箱。
  • CoverTree —cover tree的Python實現，scipy.spatial.kdtree便捷的替代。
  • nilearn—Python實現的神經影像學機器學習庫。
  • Shogun—機器學習工具箱。
  • Pyevolve —遺傳演算法框架。
  • Caffe —考慮了程式碼清潔、可讀性及速度的深度學習框架
  • breze—深度及遞迴神經網路的程式庫，基於Theano。

資料分析/資料視覺化

  • SciPy —基於Python的數學、科學、工程開源軟體生態系統。
  • NumPy—Python科學計算基礎包。
  • Numba —Python的低階虛擬機器JIT編譯器，Cython and NumPy的開發者編寫，供科學計算使用
  • NetworkX —為複雜網路使用的高效軟體。
  • Pandas—這個庫提供了高效能、易用的資料結構及資料分析工具。
  • Open Mining—Python中的商業智慧工具（Pandas web介面）。
  • PyMC —MCMC取樣工具包。
  • zipline—Python的演算法交易庫。
  • PyDy—全名Python Dynamics，協助基於NumPy, SciPy, IPython以及 matplotlib的動態建模工作流。
  • SymPy —符號數學Python庫。
  • statsmodels—Python的統計建模及計量經濟學庫。
  • astropy —Python天文學程式庫，社群協作編寫
  • matplotlib —Python的2D繪相簿。
  • bokeh—Python的互動式Web繪相簿。
  • plotly —Python and matplotlib的協作web繪相簿。
  • vincent—將Python資料結構轉換為Vega視覺化語法。
  • d3py—Python的繪相簿，基於D3.js。
  • ggplot —和R語言裡的ggplot2提供同樣的API。
  • Kartograph.py—Python中渲染SVG圖的庫，效果漂亮。
  • pygal—Python下的SVG圖表生成器。
  • pycascading

雜項指令碼/iPython筆記/程式碼庫

Kaggle競賽原始碼

Ruby

自然語言處理

  • Treat—文字檢索與註釋工具包，Ruby上我見過的最全面的工具包。
  • Ruby Linguistics—這個框架可以用任何語言為Ruby物件構建語言學工具。包括一個語言無關的通用前端，一個將語言程式碼對映到語言名的模組，和一個含有很有英文語言工具的模組。
  • Stemmer—使得Ruby可用 libstemmer_c中的介面。
  • Ruby Wordnet —WordNet的Ruby介面庫。
  • Raspel —aspell繫結到Ruby的介面
  • UEA Stemmer—UEALite Stemmer的Ruby移植版，供搜尋和檢索用的保守的詞幹分析器
  • Twitter-text-rb—該程式庫可以將推特中的使用者名稱、列表和話題標籤自動連線並提取出來。

通用機器學習

資料分析/資料視覺化

Misc
雜項

R

通用機器學習

資料分析/資料視覺化

Scala

自然語言處理

  • ScalaNLP—機器學習和數值計算庫的套裝
  • Breeze —Scala用的數值處理庫
  • Chalk—自然語言處理庫。
  • FACTORIE—可部署的概率建模工具包，用Scala實現的軟體庫。為使用者提供簡潔的語言來建立關係因素圖，評估引數並進行推斷。

資料分析/資料視覺化

  • MLlib in Apache Spark—Spark下的分散式機器學習庫
  • Scalding —CAscading的Scala介面
  • Summing Bird—用Scalding 和 Storm進行Streaming MapReduce
  • Algebird —Scala的抽象代數工具
  • xerial —Scala的資料管理工具
  • simmer —化簡你的資料，進行代數聚合的unix過濾器
  • PredictionIO —供軟體開發者和資料工程師用的機器學習伺服器。
  • BIDMat—支援大規模探索性資料分析的CPU和GPU加速矩陣庫。

通用機器學習

  • Conjecture—Scalding下可擴充套件的機器學習框架
  • brushfire—scalding下的決策樹工具。
  • ganitha —基於scalding的機器學習程式庫
  • adam—使用Apache Avro, Apache Spark 和 Parquet的基因組處理引擎，有專用的檔案格式，Apache 2軟體許可。
  • bioscala —Scala語言可用的生物資訊學程式庫
  • BIDMach—機器學習CPU和GPU加速庫。

伯樂線上已在 GitHub 上發起「機器學習資源大全中文版」的整理。歡迎擴散、歡迎加入。

https://github.com/jobbole/awesome-machine-learning-cn

相關文章