转自：http://www.afenxi.com/post/18593
摘要： 机器学习牵涉的编程语言十分之广，包括了MATLAB、Python、Clojure、Ruby等等。为了让开发者更加广泛、深入地了解机器学习，云栖社区组织翻译了GitHub Awesome Machine Learning 资源，涵盖24种编程语言的机器学习的框架、库以及其他相关资料。
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习牵涉的编程语言十分之广，包括了MATLAB、Julia、R、Perl、Python、Clojure、Ruby等等。
为了让开发者更加广泛、深入地了解机器学习，云栖社区组织翻译了GitHub Awesome Machine Learning 资源，涵盖24种编程语言的机器学习的框架、库以及其他相关资料。
目录
- C
- C++
- Common Lisp
- Clojure
- Erlang
- Go
- Haskell
- Java
- Javascript
- Julia
- Lua
- Matlab
- .NET
- Objective C
- OCaml
- PHP
- Python
- Ruby
- Rust
- R
- SAS
- Scala
- Swift
- Credits
C
通用机器学习
- Recommender – 一个C语言库，利用协同过滤（CF）进行产品推荐/建议；
- Darknet -是一个用C和CUDA编写的开源神经网络框架，它速度快，易于安装，并支持CPU和GPU计算。
计算机视觉
语音识别
- HTK -隐马尔可夫模型工具包（HTK）是一个便携式工具包，用于构建和操作隐马尔可夫模型。
C++
计算机视觉
- OpenCV -OpenCV自带C ++、C、Python、Java和MATLAB接口，并支持Windows、Linux、Android版和Mac OS等系统；
- DLib -DLib有C ++和Python接口，用于人脸检测和训练通用的目标探测器；
- EBLearn -Eblearn是一种面向对象的C++库，能够实现各种机器学习模型；
- VIGRA -VIGRA是通用跨平台的C++计算机视觉和机器学习库，能够用Python绑定任意维度的体积。
通用机器学习
- mlpack -可扩展的C++机器学习库；
- DLib -ML工具套件，能够很容易嵌入到其他应用程序中；
- encog-cpp
- shark
- Vowpal Wabbit (VW) -一个快速的核外（out-of-core ）学习系统；
- sofia-ml -快速增量算法套件；
- Shogun -Shogun机器学习工具箱；
- Caffe -基于清洁度、可读性和速度考虑而开发的深度学习框架。[深度学习]
- CXXNET -另一个深度学习框架，其核心代码少于1000行；[深度学习]
- XGBoost -一种并行、优化、通用的梯度推进库；
- CUDA -利用C++ / CUDA快速实现卷积；[深度学习]
- Stan -一种概率性的编程语言，能够实现Hamiltonian Monte Carlo抽样的全贝叶斯统计推断；
- BanditLib -一个简单、有多重保护的Bandit库；
- Timbl ：一个软件包/ C ++库，能够实现多种基于内存的学习算法，其中有IB1-IG–k-最近邻分类的实现、IGTree–IB1-IG的决策树近似值；常用于NLP；
- Disrtibuted Machine learning Tool Kit (DMTK) -微软开发的分布式机器学习（参数服务器）框架，能够在多台机器的大型数据集上实现训练模型，与它捆绑的现有工具包括：LightLDA和分布式（多传感）字嵌入；
- igraph -通用图形库；
- Warp-CTC -在CPU和GPU上快速并行地实现连接时域分类（Connectionist Temporal Classification，CTC）；
- CNTK -微软研究院开发的计算网络工具包（CNTK），它作为一系列计算步骤，通过有向图来描述神经网络，是统一的深度学习工具包；
- DeepDetect -一个机器学习API，服务器用C++11编写，它使机器学习的状态易于工作，并容易集成到现有应用程序；
- Fido -一个高度模块化的C++机器学习库，用于嵌入式电子产品和机器人中。
- MIT Information Extraction Toolkit -C，C ++和Python的工具，用于命名实体识别与关系抽取；
- CRF++ -条件随机域（Conditional Random Fields，CRFs）的开源实现，用于分割/标记序列数据及其他自然语言处理任务；
- CRFsuite -条件随机域（CRFs）的实现，用于标记序列数据；
- BLLIP Parser -BLLIP自然语言解析器（也称为Charniak-Johnson解析器）；
- colibri-core -是C++库、命令行工具，和Python绑定用于提取与使用基本的语言结构，例如用快速和高效存储的方式实现n-grams和skipgrams模型；
- ucto -是一种工具和C++库，基于支持各种语言的编译器，内含统一字符标准及规则表达式；支持FoLiA格式；
- libfolia -支持FoLiA格式的C++库；
- frog -为Dutch开发的基于内存的NLP套件：POS标签、归类分析、依存句法分析、NER、浅层句法分析、形态分析；
- MeTA –MeTA : ModErn 语篇分析（ModErn Text Analysis），是一个C++数据科学工具包，便于挖掘大文本数据。
语音识别
- Kaldi -Kaldi是用于语音识别的工具包，用C++编写，由Apache许可证V2.0协议授权，专门给语音识别的研究人员使用。
序列分析
- ToPS -这是一种面向对象的框架，便于在用户定义的字母序列中整合概率模型。
手势检测
- grt -手势识别工具包（GRT）是一个跨平台、开源的C++机器学习库，用于实时的手势识别。
Common Lisp
通用机器学习
Clojure
自然语言处理
- Clojure-openNLP – Clojure中自然语言处理的工具包（openNLP）；
- Infections-clj – Clojure和Clojure中类似于Rails的inflection库。
通用机器学习
- Touchstone – Clojure A/B 测试库；
- Clojush – Clojure中的Push程序语言和PushGP遗传编程系统；
- Infer – Clojure中分析和机器学习的工具；
- Clj-ML – Clojure中基于Weka及其相关环境的深度学习库；
- Encog – 在Clojure中封装成Encog (v3) （专门研究神经网络的机器学习框架）；
- Fungp – Clojure中的遗传编程实例库；
- Statistiker – Clojure中基础机器学习算法；
- clortex -采用Numenta’s Cortical 学习算法的通用机器学习库；
- comportex – 采用Numenta’s Cortical 学习算法的功能组合的机器学习库。
数据分析/数据可视化
- Incanter – Incanter是基于 Clojure，类似R的统计计算与制图平台；
- PigPen – Clojure中的Map-Reduce；
- Envision – 基于Statistiker和D3Clojure 数据可视化库。
Erlang
通用机器学习
- Disco– Erlang中的Map Reduce模型。
Go
自然语言处理
- go-porterstemmer – 一个用于实现Porter词干提取算法的原生Go语言净室；
- paicehusk – Go语言中用于实现Paice/Husk词干提取算法；
- snowball – Go语言中的Snowball 词干提取器；
- go-ngram -内存N-gram索引压缩 。
通用机器学习
- Go Learn – Go语言中的机器学习库；
- go-pr – Go语言中的模式识别包；
- go-ml – 线性/逻辑回归、神经网络、协同过滤和多元高斯分布；
- bayesian – Go语言中朴素贝叶斯分类库；
- go-galib – Go语言版的遗传算法库；
- Cloudforest – GO语言中的决策树集合；
- gobrain – GO语言版的神经网络；
- GoNN – GoNN 是用Go语言实现的神经网络，它包括BPNN、RBF、PCN ；
- MXNet – 轻量级、便携式、灵活的分布式/深度学习系统，可对动态的、突变数据流调度部署，同时也支持Python、R、Julia、Go、Javascript 等编程语言。
数据分析/数据可视化
Haskell
通用机器学习
- haskell-ml – Haskell 语言实现的各种深度学习算法 ；
- HLearn – 根据代数结构解释其深度模型的库；
- hnn – Haskell语言的神经网络库；
- hopfield-networks – Haskell中用于无监督学习的Hopfield网络；
- caffegraph – 一种用于深度神经网络的领域特定语言（DSL）；
- LambdaNet – Haskell中的可配置的神经网络。
Java
自然语言处理
- Cortical.io – 像人脑一样快速、精确处理复杂的NLP（自然语言处理）操作（如消歧、分类、流文本过滤等操作）的Retina API；
- CoreNLP – 斯坦福大学的CoreNLP提供的一系列的自然语言处理工具，该工具可以根据输入原始英语文本，给出单词的基本形式；
- Stanford Parser – 一种自然语言分析器，可以分析语句的语法结构；
- Stanford POS Tagger -一个词性分类器 (POS Tagger）；
- Stanford Name Entity Recognizer – Stanford NER是一个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 – Tregex基于树关系以及节点匹配的正则表达式，用于在树状数据结构中进行模式匹配（名字是“tree regular expressions”的缩写） ；
- Stanford Phrasal:一个基于短语的翻译系统
- Stanford English Tokenizer – Stanford Phrasal 用Java写成的最新的基于统计短语的机器翻译系统；
- Stanford Tokens Regex – 一个分解器，可以将文本大致分成一系列对应于“词”的符号；
- Stanford Temporal Tagger – SUTime是一个用于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进行学习实体；
- 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的文本应用包；
- OpenNLP – 基于机器学习的自然语言文本处理工具包；
- LingPipe – 一个使用计算机语言学文本处理的工具包；
- ClearTK – 在Java中ClearTK为开发统计语言处理组件提供了一个框架，该框架是基于Apache UIMA；
- Apache cTAKES – Apache cTAKES是一个开源自然语言处理系统，用于从临床电子病历的自由文本中提取信息；
- ClearNLP – ClearNLP工程为自然语言处理提供了软件和资源提供了。该项目最早在计算机愈合和教育研究中心启动，目前由Emory 大学的语言和信息研究中心继续开发。该项目遵循Apache 2 license。
通用机器学习
- aerosolve – 是由Airbnb设计的定价建议系统的机器学习库；
- Datumbox -应对机器学习和统计应用快速发展的机器学习框架；
- ELKI – 用于数据挖掘的Java工具包(无监督：聚类、异常检测等等)；
- Encog – 一种先进的神经网络和机器学习框架。 Encog包含用于创建各类网络的类，同时也支持为神经网络规范和处理数据的类。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。
- EvA2 – 包含遗传算法、差分进化、协方差自适应进化策略等等的进化算法框架；
- FlinkML in Apache Flink – Flink中的分布式机器学习库；
- H2O – 深度学习引擎，支持在Hadoop、Spark 或者通过R、Python、Scala 、REST/JSONML 的APIs连到的笔记本上进行分布式学习；
- htm.java – 采用Numenta Cortical 学习算法的通用机器学习库 ；
- java-deeplearning – Java、Clojure、Scala的分布式深度学习平台；
- JAVA-ML – 包含所有Java算法的通用接口的通用深度学习库；
- JSAT – 用于分类、回归、聚类的机器学习算法集合；
- Mahout – 分布式的机器学习库；
- Meka – MEKA提供了一个面向多标签学习和评价方法的开源实现（扩展成Weka）；
- MLlib in Apache Spark – Spark中的分布式机器学习程序库；
- Neuroph – Neuroph 是轻量级的Java神经网络框架；
- ORYX – 采用Apache Spark和Apache Kafka的Lambda 结构框架，专门用于实时大规模机器学习；
- Samoa – SAMOA 是一个包含用于分布式机器学习数据流的框架，同时为数据流流入不同的流处理平台提供了接口；
- RankLib – RankLib是一个排序学习算法库；
- rapaio – Java中用于统计、数据挖掘和机器学习的工具箱；
- RapidMiner – RapidMiner integration into Java code
- Stanford Classifier – 斯坦福大学分类器是一种机器学习工具，它可以将数据项归置不同的类别中；
- SmileMiner – 统计机器智能与学习引擎；
- SystemML – 灵活、可扩展的机器学习语言；
- WalnutiQ – 人脑部分面向对象模型；
- Weka – Weka是数据挖掘方面的机器学习算法集 。
语音识别
- CMU Sphinx – CMU Sphinx 是基于Java 语音识别库，用于纯语音识别开源工具包。
数据分析/数据可视化
- Flink – Apache Flink是一个面向分布式数据流处理和批量数据处理的开源计算平台；
- Hadoop – 大数据分析平台；
- Spark – Spark是一个快速通用的大规模数据处理引擎；
- Storm – Storm是一个分布式实时计算系统；
- Impala – 为Hadoop实现实时查询
- DataMelt – 用于数字计算、统计、符号计算、数据分析和数据可视化的数学软件；
- Dr. Michael Thomas Flanagan’s Java Scientific Library
深度学习
- Deeplearning4j – 采用并行GPU的商用可扩展深度学习库。
数 Javascript
自然语言处理
- Twitter-text – Twitter文本处理库中使用JavaScript的实现；
- NLP.js – 使用JavaScript和CoffeeScript的NLP实用工具；
- natural – 用于节点的通用自然语言工具；
- Knwl.js – JS中的自然语言处理器；
- Retext -用于分析和处理自然语言的可扩展系统；
- TextProcessing -情感分析，词干和词形还原，部分词性标注和组块，短语提取和命名实体识别；
- NLP Compromise – 浏览器中的自然语言处理。
数据分析/数据可视化
- D3.js
- High Charts
- NVD3.js
- dc.js
- chartjs
- dimple
- amCharts
- D3xter –直接建立在D3上的绘图；
- statkit – JavaScript的统计工具；
- datakit – JavaScript的轻量级数据分析框架；
- science.js – JavaScript中的科学统计计算；
- Z3d – 在Three.js上轻松地绘制交互式3D图；
- Sigma.js – JavaScript库，专门用于图形绘制；
- C3.js – 基于D3.js的定制库，能够轻松绘制图表；
- ZingChart – Vanilla JS编写的库，用于大数据可视化；
- cheminfo – 数据可视化和分析的平台，使用可视化项目。
通用机器学习
- Convnet.js – ConvNetJS是一个JavaScript库，用于训练深度学习模型[深度学习]；
- Clusterfck – 为Node.js和浏览器，用Javascript实现的凝聚层次聚类；
- Clustering.js – Javascript为Node.js和浏览器实现的聚类算法；
- Decision Trees -使用ID3算法实现NodeJS决策树；
- figue – K-均值、模糊C均值和凝聚聚类；
- Node-fann -Node.js绑定的快速人工神经网络库（Fast Artificial Neural Network Library，FANN）；
- Kmeans.js – K-均值算法用JavaScript的简单实现，用于Node.js和浏览器；
- LDA.js – Node.js的LDA主题建模；
- Learning.js –用Javascript实现逻辑回归/ c4.5决策树；
- Machine Learning – Node.js的机器学习库；
- Node-SVM – Node.js的支持向量机；
- Brain – JavaScript中的神经网络[已弃用]；
- Bayesian-Bandit – Node和浏览器的贝叶斯实现；
- Synaptic – 用于Node.js和浏览器的无架构神经网络库；
- kNear – JavaScript实现的k个最近邻算法，用于监督学习；
- NeuralN – Node.js的C++神经网络库，其优点是有大量的数据集和多线程训练；
- kalman – Javascript的卡尔曼滤波器；
- shaman – Node.js库，同时支持简单和多元的线性回归；
- ml.js –用于Node.js和浏览器的机器学习和数值分析工具；
- Pavlov.js -利用马尔可夫决策过程强化学习；
- MXNet – 轻量级、便携式、灵活的分布式/深度学习系统，可对动态的、突变数据流调度部署，同时也支持Python、R、Julia、Go、Javascript 等编程语言。
其它
- sylvester – 用于JavaScript的向量和矩阵数学；
- simple-statistics – 描述，回归和推断统计的JavaScript实现；用文字实现的JavaScript，没有依赖性，能在所有现代浏览器（包括IE）以及在node.js中工作；
- regression-js – JavaScript库，包含小二乘法拟合方法的集合，用于寻找数据集的趋势；
- Lyric -线性回归库；
- GreatCircle – 计算大圆距的库。
Julia
通用机器学习
- MachineLearning – Julia机器学习库；
- MLBase -一组支持机器学习算法的发展的函数；
- PGM – 一个概率图模型的Julia框架；
- DA – 正则判别分析的Julia组件；
- Regression – 回归分析算法（例如线性回归和逻辑回归）；
- Local Regression -局部回归，超级流畅！
- Naive Bayes – Julia朴素贝叶斯方法的简单实现；
- Mixed Models – 用于装配（统计）混合效应模型的Julia组件；
- Simple MCMC – Julia实现基本的MCMC采样；
- Distance – Julia距离评估模块；
- Decision Tree -决策树分类和回归；
- Neural – Julia神经网络；
- MCMC – Julia 的MCMC工具；
- Mamba – Julia中马尔可夫链蒙特卡罗（MCMC）的贝叶斯分析；
- GLM – Julia的广义线性模型。
- Online Learning
- GLMNet – GMLNet的Julia包装版，适合套索/弹性网模型；
- Clustering -集群数据的基本功能：K-均值，DP-均值等；
- SVM – Julia适用的SVM；
- Kernal Density – Julia的核密度估计量；
- Dimensionality Reduction -降维方法；
- NMF – 非负矩阵分解的Julia包；
- ANN – Julia人工神经网络；
- Mocha – 受Caffe启发，Julia的深度学习框架；
- XGBoost – Julia中的eXtreme Gradient Boosting 包；
- ManifoldLearning – 用于流形学习和非线性降维的Julia组件；
- MXNet – 轻量级、便携式、灵活的分布式/深度学习系统，可对动态的、突变数据流调度部署，同时也支持Python、R、Julia、Go、Javascript 等编程语言。
- Merlin – Julia灵活的深度学习框架。
自然语言处理
- Topic Models – Julia下的主题模型；
- 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的假设检验；
- Gadfly – Julia 灵活的统计制图法；
- Stats – Julia的统计图检验；
- RDataSets – 用于装载许多R中可用数据集的Julia包；
- DataFrames – 处理列表数据的Julia库；
- Distributions – 概率分布和相关函数的Julia包；
- Data Arrays – 允许缺失值的数据结构；
- Time Series – Julia的时间序列工具包；
- Sampling – Julia的基本采样算法。
其他项/展示
- DSP -数字信号处理（滤波，周期图，频谱图，窗函数）；
- JuliaCon Presentations – JuliaCon的演示文稿；
- SignalProcessing – Julia写的信号处理工具；
- Images – Julia的图像库。
编译自：https://github.com/josephmisiti/awesome-machine-learning
来源：云栖社区
译者：刘崇鑫 校对：王殿进
时间： 2024-10-13 06:55:49