机器学习最牛B的框架、库和软件! 吐血整理!
来自: 李苗苗(专注大数据BI众包。dashengzb.cn)
这次又准备了什么必备收藏? 全是机器学习最牛B的框架、库和软件! 吐血整理,堪称史上最全!
一、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和Mac OS操作系统 通用机器学习 MLPack DLib ecogg shark 二、Closure 通用机器学习 Closure Toolbox—Clojure语言库与工具的分类目录 三、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 四、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 五、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 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 数据分析/数据可视化 D3.js High Charts NVD3.js dc.js chartjs dimple amCharts 六、Julia 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 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 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 七、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Black Box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Best Buy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Best Buy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 八、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—Torch7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
你的回应
回应请先 登录 , 或 注册相关内容推荐
最新讨论 ( 更多 )
- 英语 辅导 essay (dokia~)
- 招聘留学生辅导老师(兼职,线上) (豆友KrPpxvOPHk)
- Datacamp分享账号 (豆友242960547)
- kaggle组队 (与爱无关)
- 招图像生成兼职tutor (christina)