[转发]机器学习资源大全
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
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
-
Go Learn— Go语言机器学习库
-
go-pr —Go语言机器学习包.
-
bayesian—Go语言朴素贝叶斯分类库。
-
go-galib—Go语言遗传算法库。
数据分析/数据可视化
-
go-graph—Go语言图形库。
-
SVGo—Go语言的SVG生成库。
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
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
-
D3.js
-
High Charts
-
NVD3.js
-
dc.js
-
chartjs
-
dimple
-
amCharts
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。