java 机器学习资源整理

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

数据分析/数据可视化

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