機器學習資源大全

時間 2019-11-13

標籤機器學習資源大全简体版

原文原文鏈接

通用機器學習javascript

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html

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

Javascript天然語言處理java

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編寫的天然語言處理器

數據分析/數據可視化node

通用機器學習python

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git

PGM—Julia實現的機率圖模型框架。
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，很是平滑！
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

天然語言處理github

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web

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—機率分佈及相關函數的Julia包。
Data Arrays —元素值能夠爲空的數據結構。
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/演示文稿算法

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apache

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，應用於不少場合。
- 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—操做流形的包。
- 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能夠用Lua以簡單的方式描述圖形，而後用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，提供從圖像建立圖形、分割、創建樹、又轉化回圖像的例程
- videograph—torch的視頻/圖形庫，提供從視頻建立圖形、分割、創建樹、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。