史上最全的机器学习资料(上)

  1. 云栖社区>
  2. 博客>
  3. 正文

史上最全的机器学习资料(上)

readygo 2016-05-12 16:40:12 浏览20566
展开阅读全文
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CCUDA编写的开源神经网络框架,它速度快,易于安装,并支持CPUGPU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 ++CPythonJavaMATLAB接口,并支持WindowsLinuxAndroid版和Mac OS等系统;
  •   DLib  -DLibC ++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  -CPUGPU上快速并行地实现连接时域分类(Connectionist Temporal ClassificationCTC);
  •   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  -CC ++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 FieldsCRFs)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  -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-gramsskipgrams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C++库;
  •   frog  -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 - ClojureClojure中类似于Railsinflection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 - 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Numentas Cortical 学习算法的通用机器学习库;
  •   comportex - 采用Numentas 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StatistikerD3Clojure 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BPNNRBFPCN 
  •   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PythonRJuliaGoJavascript 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 - 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 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 - JavaClearTK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HadoopSpark 或者通过RPythonScala 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 - JavaClojureScala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 SparkApache KafkaLambda 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 - 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JavaScriptCoffeeScriptNLP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

  •   D3.js
  •   High Charts
  •   NVD3.js
  •   dc.js
  •   chartjs
  •   dimple
  •   amCharts
  •   D3xter –直接建立在D3上的绘图;
  •   statkit – JavaScript的统计工具;
  •   datakit - JavaScript的轻量级数据分析框架;
  •   science.js - JavaScript中的科学统计计算;
  •   Z3d – 在Three.js上轻松地绘制交互式3D图;
  •   Sigma.js - JavaScript库,专门用于图形绘制;
  •   C3.js  基于D3.js的定制库,能够轻松绘制图表;
  •   ZingChart - Vanilla JS编写的库,用于大数据可视化;
  •   cheminfo – 数据可视化和分析的平台,使用可视化项目。

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 - Node.js和浏览器,用Javascript实现的凝聚层次聚类;
  •   Clustering.js – JavascriptNode.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 LibraryFANN);
  •   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.jsLDA主题建模;
  •   Learning.js –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.jsC++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 – GMLNetJulia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
  •   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

  •   Graph Layout – 纯Julia实现的图布局算法;
  •   Data Frames Meta - DataFrames的元编程工具;
  •   Julia Data - 处理表格数据的Julia库;
  •   Data Read - 从StataSASSPSS读取文件;
  •   Hypothesis Tests – Julia的假设检验;
  •   Gadfly – Julia 灵活的统计制图法;
  •   Stats – Julia的统计图检验;
  •   RDataSets - 用于装载许多R中可用数据集的Julia包;
  •   DataFrames – 处理列表数据的Julia库;
  •   Distributions - 概率分布和相关函数的Julia包;
  •   Data Arrays - 允许缺失值的数据结构;
  •   Time Series – Julia的时间序列工具包;
  •   Sampling - Julia的基本采样算法。

其他项/展示

  •   DSP -数字信号处理(滤波,周期图,频谱图,窗函数);
  •   JuliaCon Presentations – JuliaCon的演示文稿;
  •   SignalProcessing – Julia写的信号处理工具;
  •   Images – Julia的图像库。
以上为“史上最全机器学习资料(上)”的全部内容,敬请期待下一节。


译者:刘崇鑫   校对:王殿进

如果发现原文翻译有误,请邮件通知云栖社区(yqeditor@list.alibaba-inc.com),感谢您的支持。

网友评论

登录后评论
0/500
评论
readygo
+ 关注