最全的国外机器学习资源（上）

这次又准备了什么必备收藏？

不怕闪瞎你的金刚钻钛合金人眼！
全是机器学习最牛B的框架、库和软件！
小编吐血整理，堪称史上最全！

一、C++

计算机视觉
CCV—基于C语言/提供缓存/核心的机器视觉库，新颖的机器视觉库
OpenCV—它提供C++、C、Python、Java以及MATLAB接口，并支持Windows、Linux、Android和Mac OS操作系统 OPENCV网址
通用机器学习
MLPack    MLPCACK网址
DLib
ecogg
shark


二、Closure
通用机器学习
Closure Toolbox—Clojure语言库与工具的分类目录


三、Go
自然语言处理
go-porterstemmer—一个Porter词干提取算法的原生Go语言净室实现
paicehusk—Paice/Husk词干提取算法的Go语言实现
snowball—Go语言版的Snowball词干提取器
通用机器学习
Go Learn— Go语言机器学习库
go-pr—Go语言机器学习包
bayesian—Go语言朴素贝叶斯分类库
go-galib—Go语言遗传算法库
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


四、Java
自然语言处理
CoreNLP—斯坦福大学的CoreNLP提供一系列的自然语言处理工具，输入原始英语文本，可以给出单词的基本形式（下面Stanford开头的几个工具都包含其中）
Stanford Parser—一个自然语言解析器
Stanford POS Tagger —一个词性分类器
Stanford Name Entity Recognizer—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—用来在树状数据结构中进行模式匹配，基于树关系以及节点匹配的正则表达式（名字是“tree regular expressions”的缩写）
Stanford Phrasal—最新的基于统计短语的机器翻译系统，java编写
Stanford Tokens Regex—用以定义文本模式的框架
Stanford Temporal Tagger—SUTime是一个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学习字符实体
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文本应用包
OpenNLP—处理自然语言文本的机器学习工具包
LingPipe—使用计算机语言学处理文本的工具包
通用机器学习
MLlib in Apache Spark—Spark中的分布式机器学习程序库
Mahout—分布式的机器学习库
Stanford Classifier—斯坦福大学的分类器
Weka—Weka是数据挖掘方面的机器学习算法集
ORYX—提供一个简单的大规模实时机器学习/预测分析基础架构
数据分析/数据可视化
Hadoop—大数据分析平台
Spark—快速通用的大规模数据处理引擎
Impala—为Hadoop实现实时查询


五、JavaScript
自然语言处理
Twitter-text-js—JavaScript实现的推特文本处理库
NLP.js—JavaScript及CoffeeScript编写的NLP工具
natural—Node下的通用NLP工具
Knwl.js—JS编写的自然语言处理器
通用机器学习
Convnet.js—训练深度学习模型的JavaScript库
Clustering.js—用JavaScript实现的聚类算法，供Node.js及浏览器使用
Decision Trees—Node.js实现的决策树，使用ID3算法
Node-fann—Node.js下的快速人工神经网络库
Kmeans.js—k-means算法的简单JavaScript实现，供Node.js及浏览器使用
LDA.js—供Node.js用的LDA主题建模工具
Learning.js—逻辑回归/c4.5决策树的JavaScript实现
Machine Learning—Node.js的机器学习库
Node-SVM—Node.js的支持向量机
Brain—JavaScript实现的神经网络
Bayesian-Bandit—贝叶斯强盗算法的实现，供Node.js及浏览器使用
数据分析/数据可视化
D3.js
High Charts
NVD3.js
dc.js
chartjs
dimple
amCharts


六、Julia
自然语言处理
Topic Models —Julia下的主题建模
Text Analysis—Julia下的文本分析包
通用机器学习
PGM—Julia实现的概率图模型框架
DA—Julia实现的正则化判别分析包
Regression—回归分析算法包（如线性回归和逻辑回归）
Local Regression—局部回归，非常平滑
Naive Bayes—朴素贝叶斯的简单Julia实现
Mixed Models—（统计）混合效应模型的Julia包
Simple MCMC—Julia实现的基本MCMC采样器
Distance—Julia实现的距离评估模块
Decision Tree—决策树分类器及回归分析器
Neural—Julia实现的神经网络
MCMC—Julia下的MCMC工具
GLM—Julia写的广义线性模型包
Online Learning
GLMNet—GMLNet的Julia包装版，适合套索/弹性网模型
Clustering—数据聚类的基本函数：k-means、dp-means等
SVM—Julia下的支持向量机
Kernal Density—Julia下的核密度估计器
Dimensionality Reduction—降维算法
NMF—Julia下的非负矩阵分解包
ANN—Julia实现的神经网络
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Stata、SAS、SPSS读取文件
Hypothesis Tests—Julia中的假设检验包
Gladfly—Julia编写的灵巧的统计绘图系统
Stats—Julia编写的统计测试函数包
RDataSets—读取R语言中众多可用的数据集的Julia函数包
DataFrames—处理表格数据的Julia库
Distributions—概率分布及相关函数的Julia包
Data Arrays—元素值可以为空的数据结构
Time Series—Julia的时间序列数据工具包
Sampling—Julia的基本采样算法包
杂项/演示文稿
DSP—数字信号处理
JuliaCon Presentations—Julia大会上的演示文稿
SignalProcessing—Julia的信号处理工具
Images—Julia的图片库


七、Kaggle竞赛源代码
wiki challange—Kaggle上一个维基预测挑战赛 Dell Zhang解法的实现
kaggle insults—Kaggle上“从社交媒体评论中检测辱骂”竞赛提交的代码
kaggle_acquire-valued-shoppers-challenge—Kaggle预测回头客挑战赛的代码
kaggle-cifar—Kaggle上CIFAR-10 竞赛的代码，使用cuda-convnet
kaggle-blackbox—Kaggle上Black Box赛代码，关于深度学习
kaggle-accelerometer—Kaggle上加速度计数据识别用户竞赛的代码
kaggle-advertised-salaries—Kaggle上用广告预测工资竞赛的代码
kaggle amazon—Kaggle上给定员工角色预测其访问需求竞赛的代码
kaggle-bestbuy_big—Kaggle上根据Best Buy用户查询预测点击商品竞赛的代码（大数据版）
kaggle-bestbuy_small—Kaggle上根据Best Buy用户查询预测点击商品竞赛的代码（小数据版）
Kaggle Dogs vs. Cats—Kaggle上从图片中识别猫和狗竞赛的代码
Kaggle Galaxy Challenge—Kaggle上遥远星系形态分类竞赛的优胜代码
Kaggle Gender—Kaggle竞赛：从笔迹区分性别
Kaggle Merck—Kaggle上预测药物分子活性竞赛的代码（默克制药赞助）
Kaggle Stackoverflow—Kaggle上 预测Stack Overflow网站问题是否会被关闭竞赛的代码
wine-quality—预测红酒质量


八、Lua
通用机器学习
Torch7
Cephes—Cephes数学函数库，包装成Torch可用形式；提供并包装了超过180个特殊的数学函数，由Stephen L· Moshier开发，是SciPy的核心，应用于很多场合
graph—供Torch使用的图形包
randomkit—从Numpy提取的随机数生成包，包装成Torch可用形式
signal—Torch7可用的信号处理工具包，可进行FFT、DCT、Hilbert、cepstrums、STFT等变换
nn—Torch可用的神经网络包
nngraph—为nn库提供图形计算能力
nnx—一个不稳定实验性的包，扩展Torch内置的nn库
optim—Torch可用的优化算法库，包括 SGD、Adagrad、共轭梯度算法、LBFGS、RProp等算法
unsup—Torch下的非监督学习包，提供的模块与nn（LinearPsd、ConvPsd、AutoEncoder……）及独立算法（k-means、PCA）等兼容
manifold—操作流形的包
svm—Torch的支持向量机库
lbfgs—将liblbfgs包装为FFI接口
vowpalwabbit—老版的vowpalwabbit对Torch的接口
OpenGM—OpenGM是C++编写的图形建模及推断库，该binding可以用Lua以简单的方式描述图形，然后用OpenGM优化
sphagetti—MichaelMathieu为Torch7编写的稀疏线性模块
LuaSHKit—将局部敏感哈希库SHKit包装成Lua可用形式
kernel smoothing—KNN、核权平均以及局部线性回归平滑器
cutorch—Torch的CUDA后端实现
cunn—Torch的CUDA神经网络实现
imgraph—Torch的图像/图形库，提供从图像创建图形、分割、建立树、又转化回图像的例程
videograph—Torch的视频/图形库，提供从视频创建图形、分割、建立树、又转化回视频的例程
saliency—积分图像的代码和工具，用来从快速积分直方图中寻找兴趣点
stitch—使用Hugin拼合图像并将其生成视频序列
sfm—运动场景束调整/结构包
fex—Torch的特征提取包，提供SIFT和dSIFT模块
OverFeat—当前最高水准的通用密度特征提取器
Numeric Lua
Lunatic Python
SciLua
Lua–Numerical Algorithms
Lunum
演示及脚本
Core Torch7 demos repository—核心Torch7演示程序库
线性回归、逻辑回归
人脸检测（训练和检测是独立的演示）
基于mst的断词器
train-a-digit-classifier
train-autoencoder
optical flow demo
train-on-housenumbers
train-on-cifar
tracking with deep nets
kinect demo
滤波可视化
saliency-networks
Training a Convnet for the Galaxy-Zoo Kaggle challenge（CUDA demo）
Music Tagging—torch7下的音乐标签脚本
torch-datasets 读取几个流行的数据集的脚本，包括：
BSR 500
CIFAR-10
COIL
Street View House Numbers
MNIST
NORB
Atari2600—在Arcade Learning Environment模拟器中用静态帧生成数据集的脚本

以上为专注于大数据与BI的威客平台大圣众包（ http://www.dashengzb.cn/）倾力整理，
客官您眼睛累么？

要不，小编先分享到这儿吧，
下回精彩继续(*/ω╲*)~
来个清晰度高的推荐，我脚的这个对你一定更有用！



大圣众包是什么来的？

作为国内唯一面向企业端用户提供大数据、BI及IT服务的专业“众包+威客”平台，大圣众包力主帮助传统IT人分享转型红利。
大圣众包拥有超过近万名售前专家、咨询顾问与程序员为各需求企业用户提供高质量的解决方案咨询、任务分解管理、项目任务开发、系统运维优化等范畴的专业化服务。
它以互联网与大数据分析创新技术为驱动，建立了新型的“企业+社会化协作交付”模式，以实现供需双方的资源精准匹配。大圣众包能为企业化解人力资源成本及短期需求不足的问题，为开发者提供兼职机会和交流平台。
PS：首批注册用户专享福利8月31日截止，可要抓紧时间注册哦~

（更多大数据与商业智能领域干货、兼职机会及行业资源分享等请关注大圣众包微信服务号、微博，或添加大圣妹个人微信号（dashengmeme)，注明“行业+职业”，拉你入big data &BI交流群330648564。）