【譯】關於機器學習的11個開源工具

關於機器學習的11個開源工具

翻譯：瘋狂的技術宅
英文標題：11 open source tools to make the most of machine learning
英文鏈接：https://www.infoworld.com/art...
本文首發於微信公衆號：充實的腦洞

---

使用這些多樣化、易於實現的庫和框架，挖掘機器學習的預測能力

垃圾郵件過濾，人臉識別，推薦引擎 —— 當你有一個須要執行預測分析或模式識別的大型數據集時，機器學習是一條途徑。 免費開源軟件的激增使機器學習更容易在單機和大規模集羣上實現，並支持大多數流行的編程語言。這11個開源工具使用的語言包括Python，R，C ++，Java， Scala，Clojure，JavaScript和Go。

一、Scikit-learn

Python由於它的易用性,已經成爲一種用於數學、科學和統計的編程語言，並且幾乎任何程序均可以使用這些庫。Scikit-learn 經過在幾個現有的 python 包( NumPy, SciPy 和 Matplotlib )能夠被普遍用於數學和科學工做。它能夠被用在交互式「工做臺」程序中，也能夠嵌入到其餘軟件中並被重用。該工具包在BSD許可證下提供，所以它是徹底開放和可重用的。

Project: http://scikit-learn.org/stable/
GitHub: https://github.com/scikit-lea...

二、Shogun

著名的Shogun建立於1999年，儘管它是用C++編寫的，但能夠與Java，Python，C＃，Ruby，R，Lua，Octave和Matlab一塊兒使用。最新版本 6.0.0 增長了對Microsoft Windows和Scala語言的本地支持。

雖然廣受歡迎，可是 Shogun 仍受到來自另一個基於C++的機器學習庫的競爭：2011年出現的Mlpack。可是Shogun仍然自稱是比其餘競爭者更快更易用的（經過一個更完整的API集）。

Project: http://www.shogun-toolbox.org/
GitHub: https://github.com/shogun-too...

三、Accord.Net Framework

Accord是一個機器學習和信號處理框架，基於.Net編寫，是之前的項目AForge.net的延伸，Accord包括一組用於處理音頻信號和圖像流（例如視頻）的庫。其視覺處理算法可用於臉部識別，拼接圖像或跟蹤移動物體等任務。

Accord還提供更傳統的機器學習功能的庫，包括神經網絡和決策樹系統。

Project: http://accord-framework.net/
GitHub: https://github.com/accord-net...

四、Apache Mahout

Apache Mahout長期以來一直被綁定到Hadoop，可是其中的許多算法也能夠脫離 Hadoop 運行。 這對可能最終遷移到 Hadoop 項目中的獨立應用很是有用，這些項目最終可能會被剝離到本身的獨立應用中。最後幾個版本增強了對高性能 Spark 框架的支持，並增長了對用於 GPU 加速的 ViennaCL 庫的支持。

Project: https://mahout.apache.org/

五、Spark MLlib

Apache Spark 和 Apache Hadoop 的機器學習庫。MLLib擁有許多最新的經常使用算法和有用的數據類型，爲速度和大規模運行需求所設計。雖然 Java 是 MLLib 的主要工做語言，但 Python 用戶能夠將 MLLib 與 Numpy 庫整合，Scala用戶能夠編寫針對MLLib的代碼，而R用戶能夠嵌入到在 Spark 1.5 以後的版本中。

在MLLib的基礎之上構建的項目MLbase能夠更容易獲得結果。 用戶無需編寫代碼，只須要經過聲明語言（à la SQL）進行查詢。

Project: https://spark.apache.org/mllib/

六、H2O

H2O的算法針對業務流程（例如欺詐或趨勢預測）而不是圖像分析。H2O可以以獨立的方式與HDFS、YARN、MapReduce或者直接在Amazon EC2實例進行交互。Hadoop專家可使用Java與H2O交互，該框架還提供了Python、R 和 Scala 的綁定方式，容許你與這些平臺上的全部庫進行交互。

Project: http://0xdata.com/h2o/
GitHub: https://github.com/0xdata/h2o

七、Cloudera Oryx

Oryx，由 Cloudera Hadoop distribution 的創始人提供，經過Spark和Kafka流處理框架來運行機器學習模型中的實時數據。Oryx 提供了一種須要在當下作出決定的項目構建方法，如推薦引擎或實時異常檢測。 2.0版本作了近乎完整的從新設計，其組件在 lambda 體系結構下進行鬆散耦合。能夠隨時添加新算法以及這些算法的新的抽象 (例如 hyperparameter 選擇器)，。

Project: Cloudera Oryx
GitHub: https://github.com/cloudera/oryx

八、GoLearn

GoLearn 是一個由Go語言編寫的機器學習庫, 根據開發者 Stephen Whitworth 的研究, 它以簡潔性和可定製性爲目標。簡潔性在於在庫中加載和處理數據的方式, 這點模仿了 SciPy 和 R 。可定製性在於如何在應用程序中輕鬆擴展某些數據結構。Stephen Whitworth 還爲 Vowpal Wabbit 庫建立了一個gGo包裝器，它能夠在Shogun工具箱中找到。

Project: GoLearn
GitHub: https://github.com/sjwhitwort...

九、Weka

Weka是專門爲數據挖掘而設計的一套Java機器學習算法。它有一個包系統用來擴展功能，被包含在官方和非官方包中。 Weka甚至提供了一本書來解釋這個軟件及其所使用的技術。

雖然 Weka 不是專門針對 Hadoop 用戶的，但最近的版本提供了一組包裝器使其能夠與 Hadoop 一塊兒使用。 請注意，Weka尚不支持 Spark，目前只支持 MapReduce。 Clojure 用戶能夠經過Clj-ml庫來使用Weka。

Project: http://www.cs.waikato.ac.nz/m...

十、Deeplearn.js

在web瀏覽器中進行深度學習的另外一個項目是deeplearn.js，它來自Google。你能夠在任何現代瀏覽器中直接訓練神經網絡模型，而無需額外的客戶端軟件。deeplearn.js還能夠經過web GLAPI進行GPU加速，所以性能不受限於系統的CPU。該項目的函數模仿了Google 的TensorFlow，使得TensorFlow的用戶能夠輕鬆地開始使用。

Project: https://pair-code.github.io/d...

十一、ConvNetJS

顧名思義，ConvNetJS是用於神經網絡機器學習的JavaScript庫，便於將瀏覽器用做數據工做臺。 對於使用Node.js的用戶，還可使用NPM版本，該庫的設計使用了JavaScript的異步操做。例如，訓練完成後執行一個回調。它包括了大量演示示例。

Project: http://cs.stanford.edu/people...
GitHub: https://github.com/karpathy/c...

關注微信公衆號：充實的腦洞， 一個技術宅的保留地