C++机器学习古典材料

Caffe ：高速神经网络架构

住址：https://github.com/BVLC/caffe

CCV ：以C语言为核心的现代计算机视觉库

地址：https://github.com/liuliu/ccv

mlpack ：可扩展的C++机器学习库

地址：https://github.com/anticlockw

OpenCV：开源计算机视觉库

地址：https://github.com/Itseez/opencv

Recommender：使用协同过滤进行产品推荐/建议的C语言库

地址：https://github.com/yixuan/recosystem

SHOGUN：Shogun 机器学习工具

地址：https://github.com/shogun-toolbox/shogun

sofia-ml ：用于机器学习的高速增量算法套件

地址：https://github.com/zygmuntz/sofia-ml-mod

版权声明：本文博主原创文章，博客，未经同意不得转载。

时间： 2024-08-13 06:57:39

C++机器学习古典材料的相关文章

文本数据的机器学习自动分类方法(转)

http://blog.csdn.net/jdbc/article/details/50586042 本文为第一部分,着重介绍文本预处理以及特征抽取的方法. 随着互联网技术的迅速发展与普及,如何对浩如烟海的数据进行分类.组织和管理,已经成为一个具有重要用途的研究课题.而在这些数据中,文本数据又是数量最大的一类."文本分类是指在给定分类体系下,根据文本内容自动确定文本类别的过程"(达观数据科技联合创始人,张健).文本分类有着广泛的应用场景,例如: 新闻网站包含大量报道文章,基于文章内容,

带你入门机器学习

什么是机器学习? 机器学习的核心思想是创造一种普适的算法,它能从数据中挖掘出有趣的东西,而不需要针对某个问题去写代码.你需要做的只是把数据"投喂"给普适算法,然后它会在数据上建立自己的逻辑. 比如说有一种算法,叫分类算法,它可以把数据分到不同的组别当中.一个识别手写数字的分类算法,也可以用作判断垃圾邮件,而无需修改一行代码.算法是同一个算法,只是输入了不同的训练数据,便有了不同的分类逻辑. 机器学习算法是个黑盒,且可以在不同分类问题中重复利用. "机器学习"是个筐,

机器学习的技术栈及应用实例脑洞

之前写了一篇入门级的学习列表: 简单粗暴地入门机器学习 好多小伙伴觉得不太过瘾,今天补充一些脑洞! 本文结构: 机器学习技术栈 职位 项目实例 1. 机器学习技术栈 去知乎上可以搜到很多推荐的学习路线,问题就是太多了,我就先列出一些必需的知识和项目方向,学习还是要一步一步积累的. 需要的基础技能: Various level of math, including probability, statistics, algebra, calculus, logic and algorithms. B

分布式机器学习的集群方案介绍之HPC实现

机器学习的基本概念 机器学习方法是计算机利用已有的数据(经验),得出了某种模型(迟到的规律),并利用此模型预测未来(是否迟到)的一种方法.目前机器学习广泛应用于广告投放.趋势预测.图像识别.语音识别.自动驾驶和产品推荐等众多领域. 在确定了问题模型之后,根据已知数据寻找模型参数的过程就是训练,训练过程就是不断依据训练数据来调整参数的迭代,从而使依据模型作出的预测结果更加准确. HPC的基本概念 HPC就是高性能计算或高性能计算集群的简写.为了追求高性能,HPC的工作负载一般直接运行在Linux系

基于 Python 和 Scikit-Learn 的机器学习介绍

Reference:http://mp.weixin.qq.com/s?src=3&timestamp=1474985436&ver=1&signature=at24GKibwNNoE9VsETitURyMHzXYeytp1MoUyAFx-2WOZTdPelAdJBv9nkMPyczdr4riYdUZWOaUInIFOxWELVDugvJJxpeEgp5KWDFFtwR8VYalYfPvdWdrmi*Qoq9shyPnROU3Tch32ieV9V8clw== 现在,很多人想开发高效

机器学习经典书籍

前面有一篇机器学习经典论文/survey合集331.本文总结了机器学习10的经典书籍,包括数学基础和算法理论的书籍.本文会保持更新,欢迎推荐. 入门书单 <数学之美> PDF683作者吴军大家都很熟悉.以极为通俗的语言讲述了数学在机器学习和自然语言处理等领域的应用. <Programming Collective Intelligence>(<集体智慧编程>)PDF389作者Toby Segaran也是<BeautifulData : The Stories Be

转：机器学习资料书籍

链接:http://suanfazu.com/t/topic/15 入门书单 <数学之美> PDF586作者吴军大家都很熟悉.以极为通俗的语言讲述了数学在机器学习和自然语言处理等领域的应用. <Programming Collective Intelligence>(<集体智慧编程>)PDF343作 者Toby Segaran也是<BeautifulData : The Stories Behind Elegant Data Solutions>(<数

[转]机器学习入门

这是一篇很难写的文章,因为我希望这篇文章能对学习者有所启发.我在空白页前坐下,并且问自己了一个很难的问题:什么样的库.课程.论文和书籍对于机器学习的初学者来说是最好的. 文章里到底写什么.不写什么,这个问题真的让我很烦恼.我必须把自己当做一个程序员和一个机器学习的初学者,站在这个角度去考虑最合适的资源. 我找出了每个类型中最适合的资源.如果你是一个真正的初学者,并且乐意于开始了解机器学习领域的相关知识,我希望,你可以在我的文章中找到有用的资料.我的建议是,从中挑出一件来,一本书或者是一个库,反复

Andrew Ng机器学习公开课第一节笔记

课程主页,亲测能上,有好些材料 http://cs229.stanford.edu/ Andrew讲的比较早的机器学习应用,1958年有人用来训练一个会下国象的电脑,这个有机会可以试一下,训练一个会下中国象棋的. 介绍了有监督的学习(supervised)和无监督的学习型算法(unsupervised) 有监督是有标准答案集来反馈的训练,无监督的就是没有标准答案的通过算法从数据本身结构决定谁是谁 两类问题:回归问题和分类问题 回归问题针对那些描述数据的值或结果是连续的情况,分类问题针对不连续的情