國外整理的機器學習文章，很全！

      本文彙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）。

　    原文地址：http://www.open-open.com/news/view/17fb3ca

        網站：

        我愛機器學習

　    C++

　　計算機視覺

• CCV —基於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，並支持 Windows, Linux， Android and Mac OS 操作系統。

　　通用機器學習

• MLPack
• DLib
• ecogg
• shark

　　Closure

　　通用機器學習

• Closure Toolbox—Clojure 語言庫與工具的分類目錄

　　Go

　　自然語言處理

• go-porterstemmer—一個 Porter 詞幹提取算法的原生 Go 語言淨室實現
• paicehusk—Paice/Husk 詞幹提取算法的 Go 語言實現
• snowball—Go 語言版的 Snowball 詞幹提取器

　　通用機器學習

• 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。

　　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。

　　Java

　　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，輸入原始英語文本，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，基於樹關係以及節點匹配的正則表達式（名字是“tree regular expressions”的縮寫）。
• Stanford Phrasal:最新的基於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 是一個識別並標準化時間表達式的庫。
• Stanford SPIED—在種子集上使用模式，以迭代方式從無標籤文本中學習字符實體
• Stanford Topic Modeling Toolbox —爲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 -—基於 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。

　　通用機器學習

• MLlib in Apache Spark—Spark 中的分佈式機器學習程序庫
• Mahout —分佈式的機器學習庫
• 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。

　　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 —爲 Hadoop 實現實時查詢
• 推薦算法庫一個很全的算法庫

　　Javascript

　　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

　　數據分析/數據可視化

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

　　通用機器學習

• 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—邏輯迴歸/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。

　　Julia

　　通用機器學習

• 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—迴歸分析算法包（如線性迴歸和邏輯迴歸）。
• Local Regression —局部迴歸，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 實現的基本 mcmc 採樣器
• Distance—Julia 實現的距離評估模塊
• Decision Tree —決策樹分類器及迴歸分析器
• 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

　　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

　　數據分析/數據可視化

• Graph Layout —純 Julia 實現的圖佈局算法。
• 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語言中衆多可用的數據集的 Julia 函數包。
• DataFrames —處理表格數據的 Julia 庫。
• Distributions—概率分佈及相關函數的 Julia 包。
• Data Arrays —元素值可以爲空的數據結構。
• Time Series—Julia 的時間序列數據工具包。
• Sampling—Julia 的基本採樣算法包

　　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

　　

　　Lua

　　

　　通用機器學習

• Torch7
• cephes —Cephes 數學函數庫，包裝成 Torch 可用形式。提供幷包裝了超過 180 個特殊的數學函數，由 Stephen L. Moshier 開發，是 SciPy 的核心，應用於很多場合。
• 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 等變換。
• nn —Torch 可用的神經網絡包。
• nngraph —爲 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 包裝爲 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，然後用 OpenGM 優化。
• sphagetti —MichaelMathieu 爲 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迴歸平滑器
• cutorch—torch 的 CUDA 後端實現
• 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 拼合圖像並將其生成視頻序列。
• sfm—運動場景束調整/結構包
• fex —torch 的特徵提取包，提供 SIFT 和 dSIFT 模塊。
• OverFeat—當前最高水準的通用密度特徵提取器。
• Numeric Lua
• Lunatic Python
• SciLua
• Lua – Numerical Algorithms
• Lunum

　　演示及腳本

• Core torch7 demos repository.核心 torch7 演示程序庫
• 線性迴歸、邏輯迴歸
• 人臉檢測（訓練和檢測是獨立的演示）
• 基於 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 下的音樂標籤腳本
• 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。

　　Matlab

　　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

　　自然語言處理

• NLP —一個 Matlab 的 NLP 庫

　　通用機器學習

• 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，特別適合於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

　　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。

　　

　　.NET

　　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。

　　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，還可作爲 NuGet 包進行預編譯。

　　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。它的訓練採用多線程彈性傳播。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、創建並配置聊天機器人，它能問問題，並從你的反饋中學習。這些機器人甚至可以從網絡蒐集信息用來輸出，或是用來學習。

　　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，着眼提供科學、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，還爲快速開發提供了功能豐富的交互式 shell。

　　Python

　　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。

　　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—爲普通自然語言處理任務提供一致的 API，以 NLTK 和 Pattern 爲基礎，並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—另一箇中文斷詞庫。
• genius —基於條件隨機域的中文斷詞庫。
• nut —自然語言理解工具包。

　　通用機器學習

• Bayesian Methods for Hackers —Python 語言概率規劃的電子書
• MLlib in Apache Spark—Spark 下的分佈式機器學習庫。
• scikit-learn—基於 SciPy 的機器學習模塊
• graphlab-create —包含多種機器學習模塊的庫（迴歸，聚類，推薦系統，圖分析等），基於可以磁盤存儲的 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—基於 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—關於貝葉斯分析的書籍
• 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，基於 Theano。

　　數據分析/數據可視化

• SciPy —基於 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 —爲複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 採樣工具包。
• zipline—Python 的算法交易庫。
• PyDy—全名 Python Dynamics，協助基於 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 數據結構轉換爲 Vega 可視化語法。
• d3py—Python 的繪圖庫，基於 D3.js。
• ggplot —和R語言裏的 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

　　雜項腳本/iPython 筆記/代碼庫

• pattern_classification
• thinking stats 2
• hyperopt
• numpic
• 2012-paper-diginorm
• ipython-notebooks
• decision-weights
• Sarah Palin LDA —Sarah Palin 關於主題建模的電郵。
• Diffusion Segmentation —基於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—座標下降算法實驗，應用於（稀疏）羣套索模型。
• 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。

　　Kaggle 競賽源代碼

• 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，關於深度學習。
• 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（默克製藥贊助）
• 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。

　　Ruby

　　自然語言處理

• Treat—文本檢索與註釋工具包，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爲 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幹分析器
• Twitter-text-rb—該程序庫可以將推特中的用戶名、列表和話題標籤自動連接並提取出來。

　　通用機器學習

• 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。

　　數據分析/數據可視化

• rsruby - Ruby – R bridge
• data-visualization-ruby—關於數據可視化的 Ruby Manor 演示的源代碼和支持內容
• ruby-plot —將 gnuplot 包裝爲 Ruby 形式，特別適合將 ROC 曲線轉化爲 svg 文件。
• plot-rb—基於 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

　　Misc

　　雜項

• Big Data For Chimps—大數據處理嚴肅而有趣的指南書

　　R

　　通用機器學習

• 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

　　

　　數據分析/數據可視化

• Learning Statistics Using R

  　　　　

• ggplot2—基於圖形語法的數據可視化包。

　　Scala

　　自然語言處理

• 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。爲用戶提供簡潔的語言來創建關係因素圖，評估參數並進行推斷。

　　數據分析/數據可視化

• MLlib in Apache Spark—Spark 下的分佈式機器學習庫
• 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。

　　通用機器學習

• Conjecture—Scalding 下可擴展的機器學習框架
• brushfire—scalding 下的決策樹工具。
• ganitha —基於 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。