摘要: 机器学习牵涉的编程语言十分之广,包括了MATLAB、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。
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
- C++
- Common Lisp
- Clojure
- Erlang
- Go
- Haskell
- Java
- Javascript
- Julia
- Lua
- Matlab
- .NET
- Objective C
- OCaml
- PHP
- Python
- Ruby
- Rust
- R
- SAS
- Scala
- Swift
- Credits
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C和CUDA编写的开源神经网络框架,它速度快,易于安装,并支持CPU和GPU计算。
- 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 ++、C、Python、Java和MATLAB接口,并支持Windows、Linux、Android版和Mac OS等系统;
- DLib -DLib有C ++和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 -在CPU和GPU上快速并行地实现连接时域分类(Connectionist Temporal Classification,CTC);
- 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。
- MIT Information Extraction Toolkit -C,C ++和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 Fields,CRFs)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 -是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-grams和skipgrams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格式的C++库;
- frog -为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
Clojure
自然语言处理
- Clojure-openNLP – Clojure中自然语言处理的工具包(openNLP);
- Infections-clj – Clojure和Clojure中类似于Rails的inflection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 – 在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Numenta’s Cortical 学习算法的通用机器学习库;
- comportex – 采用Numenta’s 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Statistiker和D3Clojure 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BPNN、RBF、PCN ;
- 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。
数据分析/数据可视化
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 – 一种自然语言分析器,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 用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 – 在Java中ClearTK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Hadoop、Spark 或者通过R、Python、Scala 、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 – Java、Clojure、Scala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 Spark和Apache Kafka的Lambda 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 – 为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JavaScript和CoffeeScript的NLP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 – 为Node.js和浏览器,用Javascript实现的凝聚层次聚类;
- Clustering.js – Javascript为Node.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 Library,FANN);
- 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.js的LDA主题建模;
- Learning.js –用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.js的C++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 – GMLNet的Julia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 包;
- 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
- Topic Models – Julia下的主题模型;
- Text Analysis – Julia下的文本分析包。
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。
来源:云栖社区译者:刘崇鑫 校对:王殿进