史上最全的機器學習資料（上）

原文地址：https://yq.aliyun.com/articles/43089

摘要： 機器學習牽涉的程式語言十分之廣，包括了MATLAB、Python、Clojure、Ruby等等。為了讓開發者更加廣泛、深入地瞭解機器學習，雲棲社群組織翻譯了GitHub Awesome Machine Learning 資源，涵蓋24種程式語言的機器學習的框架、庫以及其他相關資料。

機器學習(Machine Learning, ML)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。機器學習牽涉的程式語言十分之廣，包括了MATLAB、Julia、R、Perl、Python、Clojure、Ruby等等。

為了讓開發者更加廣泛、深入地瞭解機器學習，雲棲社群組織翻譯了GitHub Awesome Machine Learning 資源，涵蓋24種程式語言的機器學習的框架、庫以及其他相關資料。

OpenCV-OpenCV自帶C ++、C、Python、Java和MATLAB介面，並支援Windows、Linux、Android版和Mac OS等系統；
DLib-DLib有C ++和Python介面，用於人臉檢測和訓練通用的目標探測器；
EBLearn-Eblearn是一種面向物件的C++庫，能夠實現各種機器學習模型；
VIGRA-VIGRA是通用跨平臺的C++計算機視覺和機器學習庫，能夠用Python繫結任意維度的體積。

通用機器學習

mlpack-可擴充套件的C++機器學習庫；
DLib-ML工具套件，能夠很容易嵌入到其他應用程式中；
shark
Vowpal Wabbit (VW)-一個快速的核外（out-of-core）學習系統；
Shogun-Shogun機器學習工具箱；
Caffe-基於清潔度、可讀性和速度考慮而開發的深度學習框架。[深度學習]
CXXNET-另一個深度學習框架，其核心程式碼少於1000行；[深度學習]
XGBoost-一種並行、優化、通用的梯度推進庫；
CUDA-利用C++ / CUDA快速實現卷積；[深度學習]
Stan-一種概率性的程式語言，能夠實現Hamiltonian Monte Carlo抽樣的全貝葉斯統計推斷；
BanditLib-一個簡單、有多重保護的Bandit庫；
Timbl：一個軟體包/ C ++庫，能夠實現多種基於記憶體的學習演算法，其中有IB1-IG--k-最近鄰分類的實現、IGTree--IB1-IG的決策樹近似值；常用於NLP；
Disrtibuted Machine learning Tool Kit (DMTK) -微軟開發的分散式機器學習（引數伺服器）框架，能夠在多臺機器的大型資料集上實現訓練模型，與它捆綁的現有工具包括：LightLDA和分散式（多感測）字嵌入；
Warp-CTC-在CPU和GPU上快速並行地實現連線時域分類（Connectionist Temporal Classification，CTC）；
CNTK-微軟研究院開發的計算網路工具包（CNTK），它作為一系列計算步驟，通過有向圖來描述神經網路，是統一的深度學習工具包；
DeepDetect-一個機器學習API，伺服器用C++11編寫，它使機器學習的狀態易於工作，並容易整合到現有應用程式；
Fido-一個高度模組化的C++機器學習庫，用於嵌入式電子產品和機器人中。

自然語言處理

CRF++-條件隨機域（Conditional Random Fields，CRFs）的開源實現，用於分割/標記序列資料及其他自然語言處理任務；
CRFsuite-條件隨機域（CRFs）的實現，用於標記序列資料；
BLLIP Parser-BLLIP自然語言解析器（也稱為Charniak-Johnson解析器）；
colibri-core-是C++庫、命令列工具，和Python繫結用於提取與使用基本的語言結構，例如用快速和高效儲存的方式實現n-grams和skipgrams模型；
ucto-是一種工具和C++庫，基於支援各種語言的編譯器，內含統一字元標準及規則表示式；支援FoLiA格式；
libfolia-支援FoLiA格式的C++庫；
frog-為Dutch開發的基於記憶體的NLP套件：POS標籤、歸類分析、依存句法分析、NER、淺層句法分析、形態分析；

語音識別

Kaldi-Kaldi是用於語音識別的工具包，用C++編寫，由Apache許可證V2.0協議授權，專門給語音識別的研究人員使用。

序列分析

ToPS-這是一種面向物件的框架，便於在使用者定義的字母序列中整合概率模型。

手勢檢測

grt-手勢識別工具包（GRT）是一個跨平臺、開源的C++機器學習庫，用於實時的手勢識別。

Common Lisp

通用機器學習

mgl-神經網路（玻耳茲曼機，前饋和迴圈網路）以及高斯過程；
cl-libsvm-LIBSVM支援向量機庫的包裝。

Clojure

自然語言處理

Clojure-openNLP- Clojure中自然語言處理的工具包（openNLP）；
Infections-clj- Clojure和Clojure中類似於Rails的inflection庫。

通用機器學習

Touchstone- Clojure A/B 測試庫；
Clojush- Clojure中的Push程式語言和PushGP遺傳程式設計系統；
Infer- Clojure中分析和機器學習的工具；
Clj-ML- Clojure中基於Weka及其相關環境的深度學習庫；
Encog- 在Clojure中封裝成Encog (v3) （專門研究神經網路的機器學習框架）；
Fungp- Clojure中的遺傳程式設計例項庫；
Statistiker- Clojure中基礎機器學習演算法；
clortex-採用Numenta’s Cortical 學習演算法的通用機器學習庫；
comportex- 採用Numenta’s Cortical 學習演算法的功能組合的機器學習庫。

資料分析/資料視覺化

Incanter- Incanter是基於 Clojure，類似R的統計計算與製圖平臺；
PigPen- Clojure中的Map-Reduce；
Envision- 基於Statistiker和D3Clojure 資料視覺化庫。

Erlang

通用機器學習

Disco- Erlang中的Map Reduce模型。

Go

自然語言處理

go-porterstemmer- 一個用於實現Porter詞幹提取演算法的原生Go語言淨室；
paicehusk- Go語言中用於實現Paice/Husk詞幹提取演算法；
snowball- Go語言中的Snowball 詞幹提取器；
go-ngram-記憶體N-gram索引壓縮。

通用機器學習

Go Learn- Go語言中的機器學習庫；
go-pr- Go語言中的模式識別包；
go-ml- 線性/邏輯迴歸、神經網路、協同過濾和多元高斯分佈；
bayesian- Go語言中樸素貝葉斯分類庫；
go-galib-Go語言版的遺傳演算法庫；
gobrain- GO語言版的神經網路；
GoNN- GoNN 是用Go語言實現的神經網路，它包括BPNN、RBF、PCN；
MXNet- 輕量級、行動式、靈活的分散式/深度學習系統，可對動態的、突變資料流排程部署，同時也支援Python、R、Julia、Go、Javascript 等程式語言。

資料分析/資料視覺化

SVGo- Go語言的SVG生成庫；
RF- Go語言的隨機森林庫；

Haskell

通用機器學習

haskell-ml- Haskell 語言實現的各種深度學習演算法；
HLearn- 根據代數結構解釋其深度模型的庫；
hnn- Haskell語言的神經網路庫；
hopfield-networks- Haskell中用於無監督學習的Hopfield網路；
caffegraph- 一種用於深度神經網路的領域特定語言（DSL）；
LambdaNet- Haskell中的可配置的神經網路。

Java

自然語言處理

Cortical.io- 像人腦一樣快速、精確處理複雜的NLP（自然語言處理）操作（如消歧、分類、流文字過濾等操作）的Retina API；
CoreNLP- 斯坦福大學的CoreNLP提供的一系列的自然語言處理工具，該工具可以根據輸入原始英語文字，給出單詞的基本形式；
Stanford Parser- 一種自然語言分析器，可以分析語句的語法結構；
Tregex, Tsurgeon and Semgrex- Tregex基於樹關係以及節點匹配的正則表達式，用於在樹狀資料結構中進行模式匹配（名字是“tree regular expressions”的縮寫）；
Stanford English Tokenizer- Stanford Phrasal 用Java寫成的最新的基於統計短語的機器翻譯系統；
Stanford Tokens Regex- 一個分解器，可以將文字大致分成一系列對應於“詞”的符號；
Stanford SPIED-在種子集上使用模式，以迭代方式從無標籤文字中進行學習實體；
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的文字應用包；
OpenNLP- 基於機器學習的自然語言文字處理工具包；
LingPipe- 一個使用計算機語言學文字處理的工具包；
ClearTK- 在Java中ClearTK為開發統計語言處理元件提供了一個框架，該框架是基於Apache UIMA；
Apache cTAKES- Apache cTAKES是一個開源自然語言處理系統，用於從臨床電子病歷的自由文字中提取資訊；
ClearNLP- ClearNLP工程為自然語言處理提供了軟體和資源提供了。該專案最早在計算機癒合和教育研究中心啟動，目前由Emory 大學的語言和資訊研究中心繼續開發。該專案遵循Apache 2license。

通用機器學習

aerosolve- 是由Airbnb設計的定價建議系統的機器學習庫；
Datumbox-應對機器學習和統計應用快速發展的機器學習框架；
ELKI- 用於資料探勘的Java工具包(無監督：聚類、異常檢測等等)；
Encog- 一種先進的神經網路和機器學習框架。 Encog包含用於建立各類網路的類，同時也支援為神經網路規範和處理資料的類。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。
EvA2- 包含遺傳演算法、差分進化、協方差自適應進化策略等等的進化演算法框架；
H2O- 深度學習引擎，支援在Hadoop、Spark 或者通過R、Python、Scala 、REST/JSONML 的APIs連到的筆記本上進行分散式學習；
htm.java-

相關推薦

史上最全的機器學習資料（下）

原文地址：https://yq.aliyun.com/articles/43341 摘要：機器學習牽涉的程式語言十分之廣，包括了MATLAB、Python、Clojure、Ruby等等。為了讓開發者更加廣泛、深入地瞭解機器學習，雲棲社群組織翻譯了GitHub Aw

史上最全的機器學習資料（上）

原文地址：https://yq.aliyun.com/articles/43089 摘要：機器學習牽涉的程式語言十分之廣，包括了MATLAB、Python、Clojure、Ruby等等。為了讓開發者更加廣泛、深入地瞭解機器學習，雲棲社群組織翻譯了GitHub

史上最全機器學習資源整理

機器學習資源浩如煙海，本文對機器學習資源做了相關整理，希望大家能夠根據自己的細分研究領域，著重關注某些學習資源。可能某幾個網頁連結打不開，那說明需要“科學”上網。機器學習也是一門實踐學科，最好的學習就是不斷的實踐，推薦 BigQuant 人工智慧量化投資一站式的python+機器學習

Vue2.0史上最全入坑教程（下）—— 實戰案例

多少跳轉 border src fff end har second vue 前言：經過前兩節的學習，我們已經可以創建一個vue工程了。下面我們將一起來學習制作一個簡單的實戰案例。說明：默認我們已經用vue-cli（vue腳手架或稱前端自動化構建工具）創建好項目了一

史上最全的“大資料”學習資源（上）

資源列表：關係資料庫管理系統（RDBMS）框架分散式程式設計分散式檔案系統檔案資料模型 Key -Map 資料模型鍵-值資料模型圖形資料模型 NewSQL資料庫列式資料庫時間序列資料庫類SQL處理資料攝取服務程式設計

最全的國外機器學習資源（上）

一、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和Mac OS作業系統 OPENCV網址通用機器學習 MLPack MLPCACK網

收藏！超全機器學習資料合集！（附下載）

最近在群裡發現一些小夥伴在尋找資料的時候總是無處可找，網上出現很多收集免費資料再去打包收錢的人，我看不慣這樣的人，所以把自己收集的檔案分享給大家。百度雲經常抽風，如果大家遇到了失效的連結，請在評論區給我評論，我會很快的更新。 1：資料探勘：概念與技術（中文第三版）連結: https

史上最強----機器學習經典總結---入門必讀----心血總結-----回味無窮

在本篇文章中，我將對機器學習做個概要的介紹。本文的目的是能讓即便完全不瞭解機器學習的人也能瞭解機器學習，並且上手相關的實踐。這篇文件也算是EasyPR開發的番外篇，從這裡開始，必須對機器學習瞭解才能進一步介紹EasyPR的核心。當然，本文也面對一般讀者，不會對閱讀有相關的前提要求。　　在進入正

史上最全TensorFlow學習資源彙總

▌一、TensorFlow教程資源 1)適合初學者的TensorFlow教程和程式碼示例：該教程不光提供了一些經典的資料集，更是從實現最簡單的“Hello World”開始，到機器學習的經典演算法，再到神經網路的常用模型，一步步帶你從入門到精通，是初學

史上最全Java學習內容

前端部分： 1）HTML：網頁的核心語言，構成網頁的基礎 2）CSS：使網頁更加豐富多彩燦爛的利器 3）JavaScript：使網頁動起來的根本，加強了網頁和使用者之間的互動 4）HTML DOM：換一種更加形象化的角度來看待網頁，讓我們更加方便的控制網頁 5）HTML BOM：

25個GitHub上最受歡迎的趣味機器學習專案（下）！

ParlAI 作為Facebook研究專案的一部分，ParlAI是一個用於在各種公開可用的對話資料集上訓練和評估AI模型的框架。 ParlAI將為研究人員提供訪問許多流行資料集的許可權，同時擁有用於共享和測試對話模型的統一框架。您可以在這裡閱讀更多關於ParlAI的

25個GitHub上最受歡迎的趣味機器學習專案（上）！

在過去的幾年裡，機器學習開闢了廣泛行業的新視野，出現了先進的用例：面部識別—Facebook的面部識別，Netflix的電影推薦，PrimaAI的影象樣式轉換，Siri的語音識別，Google Allo的自然語言處理等等。除了這些用例外，還有大量在GitHub上託管的開源機器學習專案。以下是

史上最全Java面試題（帶全部答案）

轉載：https://blog.csdn.net/linzhiqiang0316/article/details/80473906 今天要談的主題是關於求職，求

史上最全的BeautifulSoup解析（基本選擇器，標準選擇器，css選擇器）

#寫在前面基本使用html = """ <html><head><title>The Dormouse's story</title></head> <body> <p class="title"

史上最全的Python資料大放送，你敢來我就敢送！

基礎入門類《Python簡明教程》：這是一本只有100頁左右的小冊子，你可以迅速的瀏覽並敲一遍程式碼，或多或少都會提升你的Python基礎能力；《笨方法學Python》：這本書同樣非常的短小精悍，全書是以習題的形式讓讀者掌握有關Python的基礎知識，裡面的程式碼建議讀者能夠敲一遍；

史上最全Java面試題（帶全部答案，你可能要收藏！）

原文地址:前幾天,有朋友去面試之前問我關於後端架構相關的問題,但奈於我去年更多的工作是在移動SDK開發上,對此有所遺忘,實屬無奈,後面準備總結下.今天要談的主題是關於求職.求職是在每個技術人員的生涯中都要經歷多次,對於我們大部分人而言,在進入自己心儀的公司之前少不了準備工作,

（轉）史上最全人工智慧產品清單（1/3）

「翻譯」史上最全人工智慧產品清單（1/3）來源：https://zhuanlan.zhihu.com/p/27741586 1 天前簡評: 這篇文章簡直就是史上最全 B2C 領域 AI 產品名單！部分內容有刪減。作者列舉了很多目前市面上能看到的人工智慧

史上最強Java學習路線（詳解）

Java是一個通用的程式語言，其實可以幹很多事，怎麼學Java就看怎麼用了，但有一些一般的步驟：熟悉一種文字編輯器，比如：Vim, Emacs, Notepad++, TextMate等。知道哪些是開源的，哪些是閉源的，哪些要收費。養成不用盜版軟體的習慣。安裝

史上最全IO框架五（緩衝流）

IO之緩衝流課程大綱一、緩衝流概述 1、首先要明確一個概念：對檔案或者其他目標頻繁的操作，效率低，效能差。 2、使用緩衝流的好處是能夠更高效的讀寫資訊，原理是現將資料緩衝起來，然後一起寫入或者讀取出來。二、 BufferedInpu

最全的國外機器學習資源（下）

集齊上下兩篇，可召喚神龍哦~ 為看官奉上機器學習資源——下篇。最牛B的框架、庫和軟體，至此終於收齊啦！ _________________________________________________________________ 一、Matlab 計

史上最全的機器學習資料（上）

目錄

Clojure

自然語言處理

通用機器學習

資料分析/資料視覺化

Erlang

通用機器學習

Go

自然語言處理

通用機器學習

Haskell

通用機器學習

Java

自然語言處理

通用機器學習

相關推薦