50多种适合机器学习和预测应用的API,你的选择是?

云栖君导读: 本文盘点了2018年以来人脸和图像识别、文本分析、自然语言处理、情感分析、语言翻译、 机器学习和预测这几个领域常用的API,读者可以根据自己需求选择合适的API完成相应的任务。


对于做工程项目和搞科研的人来说,有现成的模块或工具使用是一件多么美妙的事情啊,无需访问源码或理解内部工作机制的细节即可完成相应的任务。常用的方法是调用一些API,即一些预先定义的函数,目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例程的能力。本文总结对于机器学习行业者有用的50多个API,主要涉及的领域如下:


  • 人脸和图像识别(Face and Image Recognition)

  • 文本分析、自然语言处理、情感分析(Text Analysis, NLP, Sentiment Analysis)

  • 语言翻译(Language Translation)

  • 机器学习和预测(Machine Learning and prediction)



本文对每个研究领域都列出了一些主流的API,其排列顺序是根据字母顺序而来。(注意:每个API详细链接请点击左下角【阅读原文】查看)


人脸和图像识别


1.Animetrics Face Recognition:该API可用于检测图像中的人脸,并将其与已知的人脸数据集相匹配。此外,还可以从可搜索图库中添加或移除某个分类,或者是从某个分类中添加或删除某张面部图像。


2.Betaface:该API提供人脸识别与WEB服务检测。识别的特征包括多人脸检测、人脸裁剪、123个人脸特征点检测、人脸验证与识别、以及在大数据库中进行相似性搜索。


3.Eyedea Recognition:致力于提供高阶的计算机视觉解决方案,主要是对象检测和识别。其识别服务提供了眼睛、脸部、车辆、版权以及车牌检测。该API主要的价值在于可以对对象、用户和行为进行实时理解。


4.Face++:提供面部识别和检测服务,用户可以调用该API来训练程序,人脸检测、人脸识别、群体人脸、创建人脸集、获取信息等。


5.FaceMark:该API能够检测正面照上的68个特征点,以及面部轮廓照上的35个特征点。


6.FaceRect:该API非常强大且免费。能够在正面照和轮廓照上检测人脸或多个人脸,还可以将检测结果以JSON格式输出,此外,该API可以显示检测到的眼睛、鼻子、嘴等面部特征。


7.Google Cloud Vision API:发布在TensorFlow平台上,使得模型能够学习和预测图像的内容。此外,还可以帮助用户搜索到最爱的图像,快速、准确地获取它的注释。它还能够按照船、狮子、埃菲尔铁塔等分成数以千计的类别,检测面部的相关情绪,识别多种语言的印刷语。


8.IBM Watson Visual Recognition:该API能够理解图像的内容,比如图像标记,检测人脸、年龄和性别预测,还可以进行人脸相似检测。此外,还可以利用该API根据自身任务开发相关服务。


9.Imagga:该API能够自动为图像分配标签,以使得图像可被找到,它是基于图像识别平台服务的。


10.Kairos:该平台方便开发者快速地在应用程序和服务中添加情感分析和人脸识别。


11.Microsoft Cognitive Service - Computer Vision:该API可以基于输入或用户选择以不同的方式分析视觉内容。比如,基于内容标记图像、分类图像、检测人脸并返回坐标、识别特定区域的内容、生成内容描述、标识图像中的文本、标记成人内容。


12.Skybiometry Face Detection and Recognition:该API提供人脸检测和识别服务,最新版的API还能够区分深色眼镜和透明眼镜。


文本分析、自然语言处理和情感分析


1.Bitext:提供市面上最准确的多语种情感主题分析。目前,已经提供四个语义服务:实体、概念提取、情感分析以及文本分类,该API支持8种语言。


2.Diffbot Analyze:为开发人员提供可识别、分析以及从任何网页中提取主要内容和章节的工具。


3.Free Natural Language Processing Service:,免费提供包括情感分析、内容提取、语言检测等服务,该API也在API市场mashape.com中挺受欢迎。


4.Google Cloud Natural Language API:该API分析文本的结构和意义,包括情感分析、实体识别以及文本注释。


5.Watson Natural Language Understanding:该API分析文本以从概念、实体、关键词、类别、关系以及语义角色等内容中提取元数据。


6.MeaningCloud Text Classification:该API完成预分类任务,比如文本提取、文本标记、词语切分等。


7.Microsoft Cognitive Service - Text Analytics:该API从文本中检测情绪、关键短语、话题和语音。该组中的其它API提供包括Bing拼写检查、语言理解、语言分析以及Web语言模型等。


8.nlpTools:在HTTP RESTful网络服务上的简单JSON,被用于自然语言处理,能够对网络新闻媒体进行情感分析和文本分类。


9.Geneea:该API可以对提供的原始文本、从给定的URL中提取到的文本或直接提供的文档进行分析。


10.Thomson Reuters Open Calais™:基于自然语言处理、机器学习和其它方法,将文档与实体(人、地点、组织等)进行分类和链接。


11.Yactraq Speech2TopicsIs:该API通过语言识别与自然语言处理技术将视听内容转化为主题元数据。


语言翻译


1.Google Cloud Translation:该API能够动态地在数千种语言之间对文本进行翻译,且允许将网站和程序与该翻译服务集成在一起。


2.Google Cloud SPEECH-TO-TEXT:该API可以应用强大的神经网络模型,开发人员可以将音频转换成文本,该API支持120种语言及其变体。


3.IBM Watson Language Translator:该API将文本从一种语言翻译为另外一种语言,此外也允许开发者基于自己的需求进行自定义模型开发。


4.MotaWord:人工快速翻译平台,支持70种语言,且允许开发人员查询翻译报价、提交翻译项目文档和风格指南、跟踪项目进度并实时获取活动信息。


5.WritePath Translation:该API允许开发人员将WritePath集成到其它应用程序中,提供字数检索、提交文本翻译任务以及获取分宜信息等服务。


6.Houndify:通过始终学习的独立平台将语音和会话智能地集成到产品中。


7.IBM Watson Conversation:构建理解自然语言的聊天机器人,可以将其部署在消息平台和网站上。该组中的其它API能够提供包括对话、自然语言分类器、个性分析、文档转化以及音调分析器等功能。


8.IBM Watson Speech:该API提供语音到文本以及文本到语音的转换功能。


机器学习与预测


1.Amazon Machine Learning:从数据中查找模式。该API的典型用法包括诈骗检测、需求预测、目标营销和点击预测等。


2.BigML:提供云托管的机器学习和数据分析服务。用户可以建立一个数据源,并通过标准的HTTP创建模型来处理标准的有监督和无监督学习的机器学习任务。


3.Google Cloud Prediction:提供REST API来构建机器学习模型。这些工具可以帮助分析数据以向应用程序中添加各种特征。


4.co:为电子商务网站提供产品推荐引擎,准确地预测客户的意图。


5.Hu:toma:帮助世界各地的开发者建立和构建商用级别的深度学习聊天机器人。


6.IBM Watson Retrieve and Rank:开发人员可以将自定义数据加载到这个服务中,并使用相关算法来训练机器学习模型(Rank)。服务输出包括一系列相关文件和元数据。


7.indico:提供文本分析和图像分析,该API免费使用且不需要任何的训练数据。


8.Microsoft Azure Cognitive Service API:为顾客提供个性化的产品建议并提高销售量,新版本增加的一些功能,比如支持批量处理、更好的API资源管理器、更简洁的API接口等。


9.Microsoft Azure Anomaly Detection API:检测异常事件序列数据,比如检测内存使用中是否存在内存泄露。


10.Microsoft Cognitive Service - QnA Maker:将信息提炼为对话或易于浏览的形式。该组中的其它API提供包括学术知识、实体链接、知识探索等服务。


11.Microsoft Cognitive Service - Speaker Recognition:使得应用程序具有检测当前说话者的能力。该组中的其它API提供包括Bing语言和自定义识别等服务。


12.MLJAR:为原型开和部署模式识别算法提供服务。


13.NuPIC:基于Python和C++实现的Numenta's Cortical学习算法,并由nupic社区维护。该API允许开发人员使用原始算法,将多个区域串起来,并利用其它平台的功能。


14.PredicSis:该API对大数据有很好的洞察力,并通过预测分析来改善营销业绩。


15.PredictionIO:建立在Apache上的一个开源机器学习服务器。典型API方法包括创建、管理和用户记录、检索项目和内容、以及基于用户进行个性推荐等。


16.RxNLP - Cluster Sentences and Short Texts:文本挖掘和自然语言处理服务器,其语句聚类API可以将长文本或短文本转换成逻辑组。


17.Recombee:通过REST API提供数据挖掘、语言查询和机器学习算法服务。


其它API可以参Mashape的博客以及Programmable Web网站。如果你有更好的API推荐,可以留言回复,十分感谢。


作者信息

Pedro Lopez,数据科学家
本文由阿里云云栖社区组织翻译。
文章原标题《50+ Useful Machine Learning & Prediction APIs, 2018 Edition》,译者:海棠,审校:Uncle_LLD。
文章为简译,更为详细的内容,请查看原文。


end


吴恩达(Andrew Ng)新书给出的七点建议!附新书下载链接

为什么要学习函数式编程?因为如果你手里只有锤子,看什么都像钉子

叮!您收到一份超值Java基础入门资料!

专访小邪:从十年技术之路看阿里技术体系的变革

更多精彩

  • 0
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
提供的源码资源涵盖了Java应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 适合毕业设计、课程设计作业。这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我会定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。 所有源码均经过严格测试,可以直接运行,可以放心下载使用。有任何使用问题欢迎随时与博主沟通,第一时间进行解答!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值