国外程序员整理的机器学习资源大全

本文汇编了一些机器学习领域的框架、库以及软件（按编程语言排序）。

伯乐在线已在 GitHub 上发起「机器学习资源大全中文版」的整理。欢迎扩散、欢迎加入。

https://github.com/jobbole/awesome-machine-learning-cn

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。

伯乐在线已在 GitHub 上发起「机器学习资源大全中文版」的整理。欢迎扩散、欢迎加入。

https://github.com/jobbole/awesome-machine-learning-cn