閱讀目錄

　　本文匯編了一些機器學習領域的框架、庫以及軟件(按編程語言排序)。

1. C++

1.1 計算機視覺

• CCV?—基于C語言/提供緩存/核心的機器視覺庫，新穎的機器視覺庫
• OpenCV—它提供C++, C, Python, Java以及MATLAB接口，并支持Windows，Linux， Android and Mac OS操作系統。

1.2 機器學習

• MLPack
• DLib
• ecogg
• shark

2. Closure

• Closure Toolbox—Clojure語言庫與工具的分類目錄

3.Go

3.1 自然語言處理

• go-porterstemmer—一個Porter詞干提取算法的原生Go語言凈室實現
• paicehusk—Paice/Husk詞干提取算法的Go語言實現
• snowball—Go語言版的Snowball詞干提取器

?3.2 機器學習

• Go Learn— Go語言機器學習庫
• go-pr? ?—Go語言機器學習包
• bayesian—Go語言樸素貝葉斯分類庫。
• go-galib—Go語言遺傳算法庫。

?

3.3 數據分析/數據可視化

• go-graph—Go語言圖形庫。
• SVGo—Go語言的SVG生成庫。

4. Java

4.1 自然語言處理

• CoreNLP—斯坦福大學的CoreNLP提供一系列的自然語言處理工具，輸入原始英文文本，可以給出單詞的基本形式(下面Stanford開頭的幾個工具都包含其中)。
• Stanford Parser—一個自然語言解析器。
• Stanford POS Tagger?—一個詞性分類器。
• Stanford Name Entity Recognizer—Java實現的名稱識別器。
• Stanford Word Segmenter—分詞器，很多NLP工作中都要用到的標準預處理步驟。
• Tregex, Tsurgeon and Semgrex?—用來在樹狀數據結構中進行模式匹配，基于樹關系以及節點匹配的正則表達式(名字是"tree regular expressions" 的縮寫)。
• Stanford Phrasal:最新的基于統計短語的機器翻譯系統，java編寫。
• Stanford Tokens Regex—用以定義文本模式的框架。
• Stanford Temporal Tagger—SUTime是一個識別并標準化事件表達式的庫。
• Stanford SPIED—在種子集上使用模式，以迭代方式從無標簽文本中學習字符實體
• Stanford Topic Modeling Toolbox?—為社會科學家及其他希望分析數據集的人員提供的主題建模工具。
• Twitter Text Java—Java實現的推特文本處理庫
• MALLET?-—基于Java的統計自然語言處理、文檔分類、聚類、主題建模、信息提取以及其他機器學習文本應用包。
• OpenNLP—處理自然語言文本的機器學習工具包。
• LingPipe?—使用計算機語言學處理文本的工具包。

4.2 機器學習

• MLlib in Apache Spark—Spark中的分布式機器學習程序庫
• Mahout?—分布式的機器學習庫
• Stanford Classifier?—斯坦福大學的分類器
• Weka—Weka是數據挖掘方面的機器學習算法集.
• ORYX—提供一個簡單的大規模實時機器學習/預測分析基礎架構。

4.3 數據分析/數據可視化

• Hadoop—大數據分析平臺
• Spark—快速通用的大規模數據處理引擎。
• Impala?—為Hadoop實現實時查詢

5. Javascript

5.1 自然語言處理

• Twitter-text-js?—JavaScript實現的推特文本處理庫
• NLP.js?—javascript及coffeescript編寫的NLP工具
• natural—Node下的通用NLP工具
• Knwl.js—JS編寫的自然語言處理器

5.2 數據分析/數據可視化

• D3.js
• High Charts
• NVD3.js
• dc.js
• chartjs
• dimple
• amCharts

5.3 機器學習

• Convnet.js—訓練深度學習模型的JavaScript庫。
• Clustering.js—用JavaScript實現的聚類算法，供Node.js及瀏覽器使用。
• Decision Trees—Node.js實現的決策樹，使用ID3算法。
• Node-fann?—Node.js下的快速人工神經網絡庫。
• Kmeans.js—k-means算法的簡單Javascript實現，供Node.js及瀏覽器使用。
• LDA.js?—供Node.js用的LDA主題建模工具。
• Learning.js—邏輯回歸/c4.5決策樹的JavaScript實現
• Machine Learning—Node.js的機器學習庫。
• Node-SVM—Node.js的支持向量機
• Brain?—JavaScript實現的神經網絡
• Bayesian-Bandit?—貝葉斯強盜算法的實現，供Node.js及瀏覽器使用。

6. Julia

6.1 機器學習

• PGM—Julia實現的概率圖模型框架
• DA—Julia實現的正則化判別分析包
• Regression—回歸分析算法包(如線性回歸和邏輯回歸)。
• Local Regression?—局部回歸，非常平滑!
• Naive Bayes?—樸素貝葉斯的簡單Julia實現
• Mixed Models?—(統計)混合效應模型的Julia包
• Simple MCMC?—Julia實現的節本mcmc采樣器
• Distance—Julia實現的距離評估模塊
• Decision Tree?—決策樹分類器及回歸分析器
• Neural?—Julia實現的神經網絡
• MCMC?—Julia下的MCMC工具
• GLM?—Julia寫的廣義線性模型包
• Online Learning
• GLMNet?—GMLNet的Julia包裝版，適合套索/彈性網模型。
• Clustering—數據聚類的基本函數:k-means, dp-means等。
• SVM—Julia下的支持向量機。
• Kernal Density—Julia下的核密度估計器
• Dimensionality Reduction—降維算法
• NMF?—Julia下的非負矩陣分解包
• ANN—Julia實現的神經網絡

6.2 自然語言處理

• Topic Models?—Julia下的主題建模
• Text Analysis—Julia下的文本分析包

6.3 數據分析/數據可視化

• Graph Layout?—純Julia實現的圖布局算法。
• Data Frames Meta?—DataFrames的元編程工具。
• Julia Data—處理表格數據的Julia庫
• Data Read—從Stata、SAS、SPSS讀取文件
• Hypothesis Tests—Julia中的假設檢驗包
• Gladfly?—Julia編寫的靈巧的統計繪圖系統。
• Stats—Julia編寫的統計測試函數包
• RDataSets?—讀取R語言中眾多可用的數據集的Julia函數包。
• DataFrames?—處理表格數據的Julia庫。
• Distributions—概率分布及相關函數的Julia包。
• Data Arrays?—元素值可以為空的數據結構。
• Time Series—Julia的時間序列數據工具包
• Sampling—Julia的基本采樣算法包

6.4 雜項/演示文稿

• DSP?—數字信號處理
• JuliaCon Presentations—Julia大會上的演示文稿
• SignalProcessing—Julia的信號處理工具。
• Images—Julia的圖片庫

7. Lua

7.1 機器學習

• Torch7
  • cephes?—Cephes數學函數庫，包裝成Torch可用形式。提供并包裝了超過180個特殊的數學函數，由Stephen L. Moshier開發，是SciPy的核心，應用于很多場合。
  • graph?—供Torch使用的圖形包。
  • randomkit—從Numpy提取的隨機數生成包，包裝成Torch可用形式。
  • signal?—Torch-7可用的信號處理工具包，可進行FFT，DCT， Hilbert，cepstrums， stft等交換。
  • nn?—Torch可用的神經網絡包。
  • nngraph?—為nn庫提供圖形計算能力。
  • nnx—一個不穩定實驗性的包，擴展Torch內置的nn庫。
  • optim—Torch可用的優化算法庫，包括 SGD, Adagrad, 共軛梯度算法, LBFGS, RProp等算法。
  • unsup—Torch下的非監督學習包。提供的模塊與nn(LinearPsd, ConvPsd, AutoEncoder, …)及獨立算法 (k-means, PCA)等兼容。
  • manifold—操作流形的包。
  • svm—Torch的支持向量機庫。
  • lbfgs—將liblbfgs包裝為FFI接口。
  • vowpalwabbit?—老版的vowpalwabbit對torch的接口。
  • OpenGM—OpenGM是C++編寫的圖形建模及推斷庫，該binding可以用Lua以簡單的方式描述圖形，然后用OpenGM優化。
  • sphagetti?—MichaelMathieu為torch7編寫的稀疏線性模塊。
  • LuaSHKit?—將局部敏感哈希庫SHKit包裝成lua可用形式。
  • kernel smoothing?—KNN、核權平均以及局部線性回歸平滑器
  • cutorch—torch的CUDA后端實現
  • cunn?—torch的CUDA神經網絡實現。
  • imgraph—torch的圖像/圖形庫，提供從圖像創建圖形、分割、建立樹、又轉化回圖像的例程
  • videograph—torch的視頻/圖形庫，提供從視頻創建圖形、分割、建立樹、又轉化回視頻的例程
  • saliency?—積分圖像的代碼和工具，用來從快速積分直方圖中尋找興趣點。
  • stitch?—使用hugin拼合圖像并將其生成視頻序列。
  • sfm—運動場景束調整/結構包
  • fex?—torch的特征提取包，提供SIFT和dSIFT模塊。
  • OverFeat—當前最高水準的通用密度特征提取器。
• Numeric Lua
• Lunatic Python
• SciLua
• Lua – Numerical Algorithms
• Lunum

7.2 演示及腳本

• Core torch7 demos repository.核心torch7演示程序庫
  • 線性回歸、邏輯回歸
  • 人臉檢測（訓練和檢測是獨立的演示）
  • 基于mst的斷詞器
  • train-a-digit-classifier
  • train-autoencoder
  • optical flow demo
  • train-on-housenumbers
  • train-on-cifar
  • tracking with deep nets
  • kinect demo
  • 濾波可視化
  • saliency-networks
• Training a Convnet for the Galaxy-Zoo Kaggle challenge(CUDA demo)
• Music Tagging—torch7下的音樂標簽腳本
• torch-datasets?讀取幾個流行的數據集的腳本，包括：
  • BSR 500
  • CIFAR-10
  • COIL
  • Street View House Numbers
  • MNIST
  • NORB
• Atari2600?—在Arcade Learning Environment模擬器中用靜態幀生成數據集的腳本。

8. Matlab

8.1 計算機視覺

• Contourlets?—實現輪廓波變換及其使用函數的MATLAB源代碼
• Shearlets—剪切波變換的MATLAB源碼
• Curvelets—Curvelet變換的MATLAB源碼（Curvelet變換是對小波變換向更高維的推廣，用來在不同尺度角度表示圖像。）
• Bandlets—Bandlets變換的MATLAB源碼

8.2 自然語言處理

• NLP?—一個Matlab的NLP庫

8.3 機器學習

• Training a deep autoencoder or a classifier on MNIST digits—在MNIST字符數據集上訓練一個深度的autoencoder或分類器[深度學習]。
• t-Distributed Stochastic Neighbor Embedding?—獲獎的降維技術，特別適合于高維數據集的可視化
• Spider—Matlab機器學習的完整面向對象環境。
• LibSVM?—支持向量機程序庫
• LibLinear?—大型線性分類程序庫
• Machine Learning Module?—M. A .Girolami教授的機器學習課程，包括PDF，講義及代碼。
• Caffe—考慮了代碼清潔、可讀性及速度的深度學習框架
• Pattern Recognition Toolbox?—Matlab中的模式識別工具包，完全面向對象

8.4 數據分析/數據可視化

• matlab_gbl—處理圖像的Matlab包
• gamic—圖像算法純Matlab高效實現，對MatlabBGL的mex函數是個補充。

回到頂部

?

9. .NET

9.1 計算機視覺

• OpenCVDotNet?—包裝器，使.NET程序能使用OpenCV代碼
• Emgu CV—跨平臺的包裝器，能在Windows, Linus, Mac OS X, iOS, 和Android上編譯。

9.2 自然語言處理

• Stanford.NLP for .NET?—斯坦福大學NLP包在.NET上的完全移植，還可作為NuGet包進行預編譯。

9.3 通用機器學習

• Accord.MachineLearning?—支持向量機、決策樹、樸素貝葉斯模型、K-means、高斯混合模型和機器學習應用的通用算法，例如：隨機抽樣一致性算法、交叉驗證、網格搜索。這個包是Accord.NET框架的一部分。
• Vulpes—F#語言實現的Deep belief和深度學習包，它在Alea.cuBase下利用CUDA GPU來執行。
• Encog?—先進的神經網絡和機器學習框架，包括用來創建多種網絡的類，也支持神經網絡需要的數據規則化及處理的類。它的訓練采用多線程彈性傳播。它也能使用GPU加快處理時間。提供了圖形化界面來幫助建模和訓練神經網絡。
• Neural Network Designer?—這是一個數據庫管理系統和神經網絡設計器。設計器用WPF開發，也是一個UI，你可以設計你的神經網絡、查詢網絡、創建并配置聊天機器人，它能問問題，并從你的反饋中學習。這些機器人甚至可以從網絡搜集信息用來輸出，或是用來學習。

9.4 數據分析/數據可視化

• numl?—numl這個機器學習庫，目標就是簡化預測和聚類的標準建模技術。
• Math.NET Numerics—Math.NET項目的數值計算基礎，著眼提供科學、工程以及日常數值計算的方法和算法。支持 Windows, Linux 和 Mac上的 .Net 4.0, .Net 3.5 和 Mono ，Silverlight 5, WindowsPhone/SL 8, WindowsPhone 8.1 以及裝有 PCL Portable Profiles 47 及 344的Windows 8， 裝有 Xamarin的Android/iOS 。
• Sho?—Sho是數據分析和科學計算的交互式環境，可以讓你將腳本（IronPython語言）和編譯的代碼（.NET）無縫連接，以快速靈活的建立原型。這個環境包括強大高效的庫，如線性代數、數據可視化，可供任何.NET語言使用，還為快速開發提供了功能豐富的交互式shell。

10. Python

10.1 計算機視覺

• SimpleCV—開源的計算機視覺框架，可以訪問如OpenCV等高性能計算機視覺庫。使用Python編寫，可以在Mac、Windows以及Ubuntu上運行。

10.2 自然語言處理

• NLTK?—一個領先的平臺，用來編寫處理人類語言數據的Python程序
• Pattern—Python可用的web挖掘模塊，包括自然語言處理、機器學習等工具。
• TextBlob—為普通自然語言處理任務提供一致的API，以NLTK和Pattern為基礎，并和兩者都能很好兼容。
• jieba—中文斷詞工具。
• SnowNLP?—中文文本處理庫。
• loso—另一個中文斷詞庫。
• genius?—基于條件隨機域的中文斷詞庫。
• nut?—自然語言理解工具包。

10.3 機器學習

?

10.4 數據分析/數據可視化

?

10.5 雜項腳本/iPython筆記/代碼庫

?

10.6 Kaggle競賽源代碼

?

11. Ruby

11.1 自然語言處理

?

11.2 機器學習

?

11.3 數據分析/數據可視化

?

12. R

12.1 通用機器學習

?

12.2 數據分析/數據可視化

?

13. Scala

13.1 自然語言處理

?

13.2 數據分析/數據可視化

?

13.3 機器學習

?

?

• Bayesian Methods for Hackers?—Python語言概率規劃的電子書
• MLlib in Apache Spark—Spark下的分布式機器學習庫。
• scikit-learn—基于SciPy的機器學習模塊
• graphlab-create?—包含多種機器學習模塊的庫（回歸，聚類，推薦系統，圖分析等），基于可以磁盤存儲的DataFrame。
• BigML—連接外部服務器的庫。
• pattern—Python的web挖掘模塊
• NuPIC—Numenta公司的智能計算平臺。
• Pylearn2—基于Theano的機器學習庫。
• hebel?—Python編寫的使用GPU加速的深度學習庫。
• gensim—主題建模工具。
• PyBrain—另一個機器學習庫。
• Crab?—可擴展的、快速推薦引擎。
• python-recsys?—Python實現的推薦系統。
• thinking bayes—關于貝葉斯分析的書籍
• Restricted Boltzmann Machines?—Python實現的受限波爾茲曼機。[深度學習]。
• Bolt?—在線學習工具箱。
• CoverTree?—cover tree的Python實現，scipy.spatial.kdtree便捷的替代。
• nilearn—Python實現的神經影像學機器學習庫。
• Shogun—機器學習工具箱。
• Pyevolve?—遺傳算法框架。
• Caffe?—考慮了代碼清潔、可讀性及速度的深度學習框架
• breze—深度及遞歸神經網絡的程序庫，基于Theano。
• SciPy?—基于Python的數學、科學、工程開源軟件生態系統。
• NumPy—Python科學計算基礎包。
• Numba?—Python的低級虛擬機JIT編譯器，Cython and NumPy的開發者編寫，供科學計算使用
• NetworkX?—為復雜網絡使用的高效軟件。
• Pandas—這個庫提供了高性能、易用的數據結構及數據分析工具。
• Open Mining—Python中的商業智能工具（Pandas web接口）。
• PyMC?—MCMC采樣工具包。
• zipline—Python的算法交易庫。
• PyDy—全名Python Dynamics，協助基于NumPy, SciPy, IPython以及 matplotlib的動態建模工作流。
• SymPy?—符號數學Python庫。
• statsmodels—Python的統計建模及計量經濟學庫。
• astropy?—Python天文學程序庫，社區協作編寫
• matplotlib?—Python的2D繪圖庫。
• bokeh—Python的交互式Web繪圖庫。
• plotly?—Python and matplotlib的協作web繪圖庫。
• vincent—將Python數據結構轉換為Vega可視化語法。
• d3py—Python的繪圖庫，基于D3.js。
• ggplot?—和R語言里的ggplot2提供同樣的API。
• Kartograph.py—Python中渲染SVG圖的庫，效果漂亮。
• pygal—Python下的SVG圖表生成器。
• pycascading
• pattern_classification
• thinking stats 2
• hyperopt
• numpic
• 2012-paper-diginorm
• ipython-notebooks
• decision-weights
• Sarah Palin LDA?—Sarah Palin關于主題建模的電郵。
• Diffusion Segmentation?—基于擴散方法的圖像分割算法集合。
• Scipy Tutorials?—SciPy教程，已過時，請查看scipy-lecture-notes
• Crab—Python的推薦引擎庫。
• BayesPy—Python中的貝葉斯推斷工具。
• scikit-learn tutorials—scikit-learn學習筆記系列
• sentiment-analyzer?—推特情緒分析器
• group-lasso—坐標下降算法實驗，應用于（稀疏）群套索模型。
• mne-python-notebooks—使用 mne-python進行EEG/MEG數據處理的IPython筆記
• pandas cookbook—使用Python pandas庫的方法書。
• climin—機器學習的優化程序庫，用Python實現了梯度下降、LBFGS、rmsprop、adadelta 等算法。
• wiki challange?—Kaggle上一個維基預測挑戰賽 Dell Zhang解法的實現。
• kaggle insults—Kaggle上”從社交媒體評論中檢測辱罵“競賽提交的代碼
• kaggle_acquire-valued-shoppers-challenge—Kaggle預測回頭客挑戰賽的代碼
• kaggle-cifar?—Kaggle上CIFAR-10 競賽的代碼，使用cuda-convnet
• kaggle-blackbox?—Kaggle上blackbox賽代碼，關于深度學習。
• kaggle-accelerometer?—Kaggle上加速度計數據識別用戶競賽的代碼
• kaggle-advertised-salaries?—Kaggle上用廣告預測工資競賽的代碼
• kaggle amazon?—Kaggle上給定員工角色預測其訪問需求競賽的代碼
• kaggle-bestbuy_big—Kaggle上根據bestbuy用戶查詢預測點擊商品競賽的代碼（大數據版）
• kaggle-bestbuy_small—Kaggle上根據bestbuy用戶查詢預測點擊商品競賽的代碼（小數據版）
• Kaggle Dogs vs. Cats?—Kaggle上從圖片中識別貓和狗競賽的代碼
• Kaggle Galaxy Challenge?—Kaggle上遙遠星系形態分類競賽的優勝代碼
• Kaggle Gender?—Kaggle競賽：從筆跡區分性別
• Kaggle Merck—Kaggle上預測藥物分子活性競賽的代碼（默克制藥贊助）
• Kaggle Stackoverflow—Kaggle上 預測Stack Overflow網站問題是否會被關閉競賽的代碼
• wine-quality?—預測紅酒質量。
• Treat—文本檢索與注釋工具包，Ruby上我見過的最全面的工具包。
• Ruby Linguistics—這個框架可以用任何語言為Ruby對象構建語言學工具。包括一個語言無關的通用前端，一個將語言代碼映射到語言名的模塊，和一個含有很有英文語言工具的模塊。
• Stemmer—使得Ruby可用 libstemmer_c中的接口。
• Ruby Wordnet?—WordNet的Ruby接口庫。
• Raspel?—aspell綁定到Ruby的接口
• UEA Stemmer—UEALite Stemmer的Ruby移植版，供搜索和檢索用的保守的詞干分析器
• Twitter-text-rb—該程序庫可以將推特中的用戶名、列表和話題標簽自動連接并提取出來。
• Ruby Machine Learning?—Ruby實現的一些機器學習算法。
• Machine Learning Ruby
• jRuby Mahout?—精華！在JRuby世界中釋放了Apache Mahout的威力。
• CardMagic-Classifier—可用貝葉斯及其他分類法的通用分類器模塊。
• Neural Networks and Deep Learning—《神經網絡和深度學習》一書的示例代碼。
• rsruby?– Ruby – R bridge
• data-visualization-ruby—關于數據可視化的Ruby Manor演示的源代碼和支持內容
• ruby-plot?—將gnuplot包裝為Ruby形式，特別適合將ROC曲線轉化為svg文件。
• plot-rb—基于Vega和D3的ruby繪圖庫
• scruffy?—Ruby下出色的圖形工具包
• SciRuby
• Glean—數據管理工具
• Bioruby
• Arel
• Clever Algorithms For Machine Learning
• Machine Learning For Hackers
• Machine Learning Task View on CRAN—R語言機器學習包列表，按算法類型分組。
• caret—R語言150個機器學習算法的統一接口
• SuperLearner?and?subsemble—該包集合了多種機器學習算法
• Introduction to Statistical Learning
• Learning Statistics Using R
• ggplot2—基于圖形語法的數據可視化包。
• ScalaNLP—機器學習和數值計算庫的套裝
• Breeze?—Scala用的數值處理庫
• Chalk—自然語言處理庫。
• FACTORIE—可部署的概率建模工具包，用Scala實現的軟件庫。為用戶提供簡潔的語言來創建關系因素圖，評估參數并進行推斷。
• MLlib in Apache Spark—Spark下的分布式機器學習庫
• Scalding?—CAscading的Scala接口
• Summing Bird—用Scalding 和 Storm進行Streaming MapReduce
• Algebird?—Scala的抽象代數工具
• xerial?—Scala的數據管理工具
• simmer?—化簡你的數據，進行代數聚合的unix過濾器
• PredictionIO?—供軟件開發者和數據工程師用的機器學習服務器。
• BIDMat—支持大規模探索性數據分析的CPU和GPU加速矩陣庫。

• Conjecture—Scalding下可擴展的機器學習框架

• brushfire—scalding下的決策樹工具

• ganitha?—基于scalding的機器學習程序庫

• adam—使用Apache Avro, Apache Spark 和 Parquet的基因組處理引擎，有專用的文件格式，Apache 2軟件許可。

• bioscala?—Scala語言可用的生物信息學程序庫

• BIDMach—機器學習CPU和GPU加速庫。

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的[Machine learning] 国外程序员整理的机器学习资源大全的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。