整理的机器学习资源大全



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 and Mac OS操作系统。

通用机器学习

• MLPack
• DLib
• ecogg
• shark

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

Matlab

计算机视觉

• Contourlets —实现轮廓波变换及其使用函数的MATLAB源代码
• Shearlets—剪切波变换的MATLAB源码
• Curvelets—Curvelet变换的MATLAB源码（Curvelet变换是对小波变换向更高维的推广，用来在不同尺度角度表示图像。）
• Bandlets—Bandlets变换的MATLAB源码

自然语言处理

• NLP —一个Matlab的NLP库

通用机器学习

• Training a deep autoencoder or a classifier on MNIST digits—在MNIST字符数据集上训练一个深度的autoencoder或分类器[深度学习]。
• t-Distributed Stochastic Neighbor Embedding —获奖的降维技术，特别适合于高维数据集的可视化
• Spider—Matlab机器学习的完整面向对象环境。
• LibSVM —支持向量机程序库
• LibLinear —大型线性分类程序库
• Machine Learning Module —M. A .Girolami教授的机器学习课程，包括PDF，讲义及代码。
• Caffe—考虑了代码清洁、可读性及速度的深度学习框架
• Pattern Recognition Toolbox —Matlab中的模式识别工具包，完全面向对象

数据分析/数据可视化

• matlab_gbl—处理图像的Matlab包
• gamic—图像算法纯Matlab高效实现，对MatlabBGL的mex函数是个补充。

Python

计算机视觉

• SimpleCV—开源的计算机视觉框架，可以访问如OpenCV等高性能计算机视觉库。使用Python编写，可以在Mac、Windows以及Ubuntu上运行。

自然语言处理

• NLTK —一个领先的平台，用来编写处理人类语言数据的Python程序
• Pattern—Python可用的web挖掘模块，包括自然语言处理、机器学习等工具。
• TextBlob—为普通自然语言处理任务提供一致的API，以NLTK和Pattern为基础，并和两者都能很好兼容。
• jieba—中文断词工具。
• SnowNLP —中文文本处理库。
• loso—另一个中文断词库。
• genius —基于条件随机域的中文断词库。
• nut —自然语言理解工具包。

通用机器学习

• Bayesian Methods for Hackers —Python语言概率规划的电子书
• MLlib in Apache Spark—Spark下的分布式机器学习库。
• scikit-learn—基于SciPy的机器学习模块
• graphlab-create —包含多种机器学习模块的库（回归，聚类，推荐系统，图分析等），基于可以磁盘存储的DataFrame。
• BigML—连接外部服务器的库。
• pattern—Python的web挖掘模块
• NuPIC—Numenta公司的智能计算平台。
• Pylearn2—基于Theano的机器学习库。
• hebel —Python编写的使用GPU加速的深度学习库。
• gensim—主题建模工具。
• PyBrain—另一个机器学习库。
• Crab —可扩展的、快速推荐引擎。
• python-recsys —Python实现的推荐系统。
• thinking bayes—关于贝叶斯分析的书籍
• Restricted Boltzmann Machines —Python实现的受限波尔兹曼机。[深度学习]。
• Bolt —在线学习工具箱。
• CoverTree —cover tree的Python实现，scipy.spatial.kdtree便捷的替代。
• nilearn—Python实现的神经影像学机器学习库。
• Shogun—机器学习工具箱。
• Pyevolve —遗传算法框架。
• Caffe —考虑了代码清洁、可读性及速度的深度学习框架
• breze—深度及递归神经网络的程序库，基于Theano。

数据分析/数据可视化

• SciPy —基于Python的数学、科学、工程开源软件生态系统。
• NumPy—Python科学计算基础包。
• Numba —Python的低级虚拟机JIT编译器，Cython and NumPy的开发者编写，供科学计算使用
• NetworkX —为复杂网络使用的高效软件。
• Pandas—这个库提供了高性能、易用的数据结构及数据分析工具。
• Open Mining—Python中的商业智能工具（Pandas web接口）。
• PyMC —MCMC采样工具包。
• zipline—Python的算法交易库。
• PyDy—全名Python Dynamics，协助基于NumPy, SciPy, IPython以及 matplotlib的动态建模工作流。
• SymPy —符号数学Python库。
• statsmodels—Python的统计建模及计量经济学库。
• astropy —Python天文学程序库，社区协作编写
• matplotlib —Python的2D绘图库。
• bokeh—Python的交互式Web绘图库。
• plotly —Python and matplotlib的协作web绘图库。
• vincent—将Python数据结构转换为Vega可视化语法。
• d3py—Python的绘图库，基于D3.js。
• ggplot —和R语言里的ggplot2提供同样的API。
• Kartograph.py—Python中渲染SVG图的库，效果漂亮。
• pygal—Python下的SVG图表生成器。
• pycascading