中文翻译:推荐!国外程序员整理的机器学习资源大全
本文汇编了一些机器学习领域的框架、库以及软件(按编程语言排序)。
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
Closure
通用机器学习
- Closure Toolbox—Clojure语言库与工具的分类目录
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
数据分析/数据可视化
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
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
数据分析/数据可视化
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。
Julia
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
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
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
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 —Torch-7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。
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。
.NET
计算机视觉
- OpenCVDotNet —包装器,使.NET程序能使用OpenCV代码
- Emgu CV—跨平台的包装器,能在Windows, Linus, Mac OS X, iOS, 和Android上编译。
自然语言处理
- Stanford.NLP for .NET —斯坦福大学NLP包在.NET上的完全移植,还可作为NuGet包进行预编译。
通用机器学习
- Accord.MachineLearning —支持向量机、决策树、朴素贝叶斯模型、K-means、高斯混合模型和机器学习应用的通用算法,例如:随机抽样一致性算法、交叉验证、网格搜索。这个包是Accord.NET框架的一部分。
- Vulpes—F#语言实现的Deep belief和深度学习包,它在Alea.cuBase下利用CUDA GPU来执行。
- Encog —先进的神经网络和机器学习框架,包括用来创建多种网络的类,也支持神经网络需要的数据规则化及处理的类。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。
- Neural Network Designer —这是一个数据库管理系统和神经网络设计器。设计器用WPF开发,也是一个UI,你可以设计你的神经网络、查询网络、创建并配置聊天机器人,它能问问题,并从你的反馈中学习。这些机器人甚至可以从网络搜集信息用来输出,或是用来学习。
数据分析/数据可视化
- numl —numl这个机器学习库,目标就是简化预测和聚类的标准建模技术。
- Math.NET Numerics—Math.NET项目的数值计算基础,着眼提供科学、工程以及日常数值计算的方法和算法。支持 Windows, Linux 和 Mac上的 .Net 4.0, .Net 3.5 和 Mono ,Silverlight 5, WindowsPhone/SL 8, WindowsPhone 8.1 以及装有 PCL Portable Profiles 47 及 344的Windows 8, 装有 Xamarin的Android/iOS 。
- Sho —Sho是数据分析和科学计算的交互式环境,可以让你将脚本(IronPython语言)和编译的代码(.NET)无缝连接,以快速灵活的建立原型。这个环境包括强大高效的库,如线性代数、数据可视化,可供任何.NET语言使用,还为快速开发提供了功能丰富的交互式shell。
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
杂项脚本/iPython笔记/代码库
- pattern_classification
- thinking stats 2
- hyperopt
- numpic
- 2012-paper-diginorm
- ipython-notebooks
- decision-weights
- Sarah Palin LDA —Sarah Palin关于主题建模的电邮。
- Diffusion Segmentation —基于扩散方法的图像分割算法集合。
- Scipy Tutorials —SciPy教程,已过时,请查看scipy-lecture-notes
- Crab—Python的推荐引擎库。
- BayesPy—Python中的贝叶斯推断工具。
- scikit-learn tutorials—scikit-learn学习笔记系列
- sentiment-analyzer —推特情绪分析器
- group-lasso—坐标下降算法实验,应用于(稀疏)群套索模型。
- mne-python-notebooks—使用 mne-python进行EEG/MEG数据处理的IPython笔记
- pandas cookbook—使用Python pandas库的方法书。
- climin—机器学习的优化程序库,用Python实现了梯度下降、LBFGS、rmsprop、adadelta 等算法。
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blackbox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bestbuy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bestbuy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。
Ruby
自然语言处理
- Treat—文本检索与注释工具包,Ruby上我见过的最全面的工具包。
- Ruby Linguistics—这个框架可以用任何语言为Ruby对象构建语言学工具。包括一个语言无关的通用前端,一个将语言代码映射到语言名的模块,和一个含有很有英文语言工具的模块。
- Stemmer—使得Ruby可用 libstemmer_c中的接口。
- Ruby Wordnet —WordNet的Ruby接口库。
- Raspel —aspell绑定到Ruby的接口
- UEA Stemmer—UEALite Stemmer的Ruby移植版,供搜索和检索用的保守的词干分析器
- Twitter-text-rb—该程序库可以将推特中的用户名、列表和话题标签自动连接并提取出来。
通用机器学习
- Ruby Machine Learning —Ruby实现的一些机器学习算法。
- Machine Learning Ruby
- jRuby Mahout —精华!在JRuby世界中释放了Apache Mahout的威力。
- CardMagic-Classifier—可用贝叶斯及其他分类法的通用分类器模块。
- Neural Networks and Deep Learning—《神经网络和深度学习》一书的示例代码。
数据分析/数据可视化
- rsruby – Ruby – R bridge
- data-visualization-ruby—关于数据可视化的Ruby Manor演示的源代码和支持内容
- ruby-plot —将gnuplot包装为Ruby形式,特别适合将ROC曲线转化为svg文件。
- plot-rb—基于Vega和D3的ruby绘图库
- scruffy —Ruby下出色的图形工具包
- SciRuby
- Glean—数据管理工具
- Bioruby
- Arel
Misc
杂项
- Big Data For Chimps—大数据处理严肃而有趣的指南书
R
通用机器学习
- Clever Algorithms For Machine Learning
- Machine Learning For Hackers
- Machine Learning Task View on CRAN—R语言机器学习包列表,按算法类型分组。
- caret—R语言150个机器学习算法的统一接口
- SuperLearner and subsemble—该包集合了多种机器学习算法
- Introduction to Statistical Learning
数据分析/数据可视化
- Learning Statistics Using R
- ggplot2—基于图形语法的数据可视化包。
Scala
自然语言处理
- ScalaNLP—机器学习和数值计算库的套装
- Breeze —Scala用的数值处理库
- Chalk—自然语言处理库。
- FACTORIE—可部署的概率建模工具包,用Scala实现的软件库。为用户提供简洁的语言来创建关系因素图,评估参数并进行推断。
数据分析/数据可视化
- MLlib in Apache Spark—Spark下的分布式机器学习库
- Scalding —CAscading的Scala接口
- Summing Bird—用Scalding 和 Storm进行Streaming MapReduce
- Algebird —Scala的抽象代数工具
- xerial —Scala的数据管理工具
- simmer —化简你的数据,进行代数聚合的unix过滤器
- PredictionIO —供软件开发者和数据工程师用的机器学习服务器。
- BIDMat—支持大规模探索性数据分析的CPU和GPU加速矩阵库。
通用机器学习
- Conjecture—Scalding下可扩展的机器学习框架
- brushfire—scalding下的决策树工具。
- ganitha —基于scalding的机器学习程序库
- adam—使用Apache Avro, Apache Spark 和 Parquet的基因组处理引擎,有专用的文件格式,Apache 2软件许可。
- bioscala —Scala语言可用的生物信息学程序库
- BIDMach—机器学习CPU和GPU加速库。