.NET平臺機器學習

.NET平臺機器學習資源彙總，有你想要的麼？

接觸機器學習1年多了，因爲只會用C#堆代碼，因此只關注.NET平臺的資源，一邊積累，一邊收集，一邊學習，因此在本站第101篇博客到來之際，分享給你們。部分用過的 ，會有稍微詳細點的說明，其餘沒用過的，也是我關注的，說不定之後會用上。機器學習並不等於大數據或者數據挖掘，還有有些區別，有些東西能夠用來處理大數據的問題或者數據挖掘的問題，他們之間也是有部分想通的，因此這些組件不只僅能夠用於機器學習，也能夠用於數據挖掘相關的。

　　按照功能把資源分爲3個部分，開源綜合與非綜合類，以及其餘網站博客等資料。都是可以在.NET平臺使用的。謝謝你們支持，這些組件我往後確定也會研究其使用，到時候有心得再分享上來。若是有興趣，能夠關注本博客。

本文原文地址：http://www.cnblogs.com/asxinyu/p/4422050.html

1.開源綜合類

1.1 AForge.NET

　　AForge.NET是一個專門爲開發者和研究者基於C#框架設計的，他包括計算機視覺與人工智能，圖像處理，神經網絡，遺傳算法，機器學習，模糊系統，機器人控制等領域。這個框架由一系列的類庫組成。主要包括有：

AForge.Imaging —— 一些平常的圖像處理和過濾器
AForge.Vision —— 計算機視覺應用類庫
AForge.Neuro —— 神經網絡計算庫AForge.Genetic -進化算法編程庫
AForge.MachineLearning —— 機器學習類庫
AForge.Robotics —— 提供一些機器學習的工具類庫
AForge.Video —— 一系列的視頻處理類庫
AForge.Fuzzy —— 模糊推理系統類庫
AForge.Controls—— 圖像，三維，圖表顯示控件

來自：http://baike.haosou.com/doc/1786119-1888850.html

官方網站：http://www.aforgenet.com/

　　我我的認爲這個是.NET平臺機器學習和數據挖掘發展時間最長，最好，最全面的開源.NET組件之一。博客園有不少園友寫過專門的使用文章。我本人也只是關注，尚未使用，由於方向和處理的問題不同，暫時尚未實際應用。源代碼，案例等都很是全面。

1.2 Accord.NET Framework

　　  Accord.NET Framework是在AForge.NET基礎上封裝和進一步開發來的。功能也很強大，由於AForge.NET更注重與一些底層和廣度，而Accord.NET Framework更注重與機器學習這個專業，在其基礎上提供了更多統計分析和處理函數，包括圖像處理和計算機視覺算法，因此側重點不一樣，但都很是有用。　　　　

官方網站：http://accord-framework.net/

1.3 Math.NET

　　無論是機器學習仍是數據挖掘，都與數學離不開關係，既然是在.NET平臺，那麼這個組件之後你也許用得上。Math.NET是.NET平臺下最全面的數學計算組件之一，基礎功能很是完善。個人博客有對這個組件的詳細研究：http://www.cnblogs.com/asxinyu/p/4329737.html 。固然更多的功能還得你們本身使用中發掘，畢竟提供了源代碼。Math.NET初衷是開源創建一個穩定並持續維護的先進的基礎數學工具箱，以知足.NET開發者的平常需求。目前該組件主要分爲如下幾個子項目，該組件同時也支持Mono，並且支持的平臺也很是普遍。Math.NET Numerics是核心功能是數值計算。主要是提供平常科學工程計算相關的算法，包括一些特殊函數，線性代數，機率論，隨機函數，微積分，插值，最優化等相關計算功能。詳細的介紹和使用能夠參考本站的菜單「Math.NET」，查看目錄。

官方網站：http://www.mathdotnet.com/

1.4 Infer.NET

　　好吧，上面說的那些很強大，強大一方面是說包括的面廣，一方面是代碼，註釋，資源，案例也很完善。若是說上面那些是大炮，那麼我認爲這個Infer.NET就是戰鬥機，零零散散接觸和研究，以及翻譯它的文檔代碼已經有5個月了，時間越久，越感受到它的火力之強大。我博客已經發表了2篇翻譯的文檔：http://www.cnblogs.com/asxinyu/p/4329742.html，請關注。

　　Infer.NET是微軟劍橋研究院基於.NET平臺開發的一款機器推理組件，該組件的採用的是Microsoft Research License Agreement 受權，Non-Commercial Use Only.Infer.NET是一個機率圖模型中(graphical models)用於運行貝葉斯推理機(Bayesian inference)的框架。若是對機率圖模型或者貝葉斯推理的意義不瞭解，你能夠參考一下相關資源文件，在Resources and References page頁面。Infer.NET爲各類應用程序所須要推理提供了先進的消息傳遞算法和統計程序。Infer.NET更關注與機率圖編程或者貝葉斯理論的相關應用。這個隨機因素和不肯定世界中的不少問題，均可以適用，因此他的強大一方面是專一，另外一方面是提供的建模語言。與其餘的組件不一樣，其餘組件是算法級，而Infer.NET是建模級別，附帶了各類通用和常見的推理算法。能夠經過簡單的代碼來建立模型，按照微軟的話說是MSL建模語言，這也是這個組件讓我肅然起敬的地方，估計也只有微軟的研究人員纔會想到這麼幹一勞永逸的事情。

官方網站：http://research.microsoft.com/en-us/um/cambridge/projects/infernet/default.aspx

1.5 numl

　　另一個小巧的，包含比較多的機器學習算法類庫，支持監督式和非監督式學習。支持不少常見的機器學習算法，文檔資源還不錯。包括Cluster,KMeans,PCA,DecisionTree,KNN,NaiveBayes,NeuralNetwork等學習算法，內容也很是豐富，功能強大，同時也包括一些數值計算的實現。這個組件我的認爲沒有以上的那麼複雜，結構小巧合理，代碼也很優雅。看看下面這段代碼，很快就能夠構建一個決策樹學習器進行預測：

 1 var generator = new DecisionTreeGenerator();
 2 generator.Descriptor = Descriptor.Create<Tennis>();
 3 generator.SetHint(false);
 4 
 5 Tennis[] tennis = TennisData.GetData();
 6 
 7 var learned = Learner.Learn(tennis, 0.80, 1000, generator);
 8 
 9 IModel model = learned.Model;
10 double accuracy = learned.Accuracy;
11 
12 Tennis t = new Tennis
13 {
14     Outlook = Outlook.Sunny,
15     Temperature = Temperature.High,
16     Windy = false
17 };
18 
19 Tennis predictedVal = model.Predict(t);

　　numl的入門案例和文檔比較全面，若是自己對算法比較瞭解，熟悉C#，那入門應該不是問題。而且能夠經過組件自己構建和解決更加複雜的問題。

官方網站：http://numl.net/

1.6 Alglib

　　ALGLIB是一個跨平臺的數值分析和數據處理函數庫，該函數庫包括開源版本和商業版本。它支持多種編程語言，如C++，C#，Pascal，VBA等，能夠在多個操做系統平臺上運行，如：Windows，Linux和Solaris。ALGLIB有如下特色：

（1）線性代數（包括矩陣分析）；
（2）方程求解（線性和非線性）；
（3）插值；
（4）最優化；
（5）快速傅里葉變換；
（6）數值積分；
（7）線性和非線性最小二乘擬合；
（8）常微分方程求解；
（9）特殊函數；
（10）統計（描述統計、假設檢驗）；
（11）數據分析（分類、迴歸、神經網絡）；

官方網站：http://www.alglib.net/

2.開源.NET平臺非綜合類

2.1 Adaboost算法

1.https://github.com/bgorven/Classifier

2.https://github.com/ElmerNing/Adaboost

2.2 Apriori算法

1.https://github.com/Omar-Salem/Apriori-Algorithm

2.https://github.com/simonesalvo/apriori

2.3 PageRank算法

https://github.com/archgold/pagerank

2.4 NativeBayes(樸素貝葉斯)算法

1.https://github.com/Rekin/Naive-Bayes-Classifier
2.https://github.com/ArdaXi/Bayes.NET
3.https://github.com/amrishdeep/Dragon
4.https://github.com/joelmartinez/nBayes

2.5 kmeans算法

http://visualstudiomagazine.com/articles/2013/12/01/k-means-data-clustering-using-c.aspx

3.其餘資源與技術博客

【資源】108個大數據文檔PDF開放下載-整理後打包下載，雖然是大數據的相關資料，主要是PPT等，但也有和機器學習有一點關係，須要的看看；

白話貝葉斯理論及在足球比賽結果預測中的應用和C#實現【附資料】 裏面有貝葉斯相關的論文資料，文章自己對樸素貝葉斯的原理也介紹得很是清楚；

數據挖掘領域十大經典算法初探 

機器學習10大經典算法

支持向量機通俗導論（理解SVM的三層境界）

從決策樹學習談到貝葉斯分類算法、EM、HMM

天然語言處理博客 ，包含的內容很是多，可能理論性有點強 http://www.52nlp.cn/

西北工業大學博導聶飛平博客：http://www.escience.cn/people/fpnie/index.html

一個機器學習數據挖掘的博客，有很多資源連接：http://www.zhizhihu.com/

http://mlg.eng.cam.ac.uk/mlss09/schedule.htm

 一個機器學習資源集中平臺  http://www.kernel-machines.org/software  

算法雜貨鋪——分類算法之樸素貝葉斯分類(Naive Bayesian classification)

最大熵模型介紹

機率圖模型

博客園Bobby0322的博客：http://www.cnblogs.com/Bobby0322/p/4052495.html 中的商務智能與數據挖掘應用系列文章:

1. 《BI那點兒事》數據挖掘初探
2. 《BI那點兒事》數據挖掘的主要方法
3. 《BI那點兒事》淺析十三種經常使用的數據挖掘的技術
4. 《BI那點兒事》數據挖掘與相關領域的關係
5. 《BI那點兒事》Microsoft 關聯算法
6. 《BI那點兒事》Microsoft 聚類分析算法
7. 《BI那點兒事》Microsoft 聚類分析算法——三國人物身份劃分
8. 《BI那點兒事》Microsoft 決策樹算法
9. 《BI那點兒事》Microsoft 決策樹算法——找出三國武將特性分佈，獻給廣大的三國愛好者們
10. 《BI那點兒事》Microsoft 線性迴歸算法
11. 《BI那點兒事》Microsoft 邏輯迴歸算法
12. 《BI那點兒事》Microsoft 邏輯迴歸算法——預測股票的漲跌
13. 《BI那點兒事》Microsoft Naive Bayes 算法
14. 《BI那點兒事》Microsoft Naive Bayes 算法——三國人物身份劃分
15. 《BI那點兒事》Microsoft 神經網絡算法
16. 《BI那點兒事》Microsoft 順序分析和聚類分析算法
17. 《BI那點兒事》Microsoft 時序算法
18. 《BI那點兒事》Microsoft 時序算法——驗證神奇的斐波那契數列
19. 《BI那點兒事》數據挖掘各種算法——準確性驗證 

4.個人100篇博客之路

　　從2009年8月1日註冊博客園開始，已經有5年多的時間了。這是博客的第100篇正式隨筆文章。在2015年元旦的時候，看着本身的博客好久沒有更新，只有40多篇文章，而後列出了一個寫做計劃，初期是至少完成高質量的文章50篇左右。而到如今只有4個月，沒想到我幾乎完成了整年的目標。固然發表的50多篇文章中，我認爲高質量和有意義的可能只有40篇，但絲毫不要緊，至少還有不少時間。這些文章是對本身經歷和知識的總結，也是一個提升。在這100篇博客裏程碑到來的時候，我簡單的回顧了一下這100篇文章。

第1篇首日瀏覽量到1000的文章：

　　XCode使用記錄—使用XCode自動向數據庫插入測試數據(2012-04-25 09:11)  

第1篇首日瀏覽量到3000的文章：

　　擁有本身的代碼生成器—Newlife.XCode模板編寫教程 (2012-05-11 08:35)   

第1篇 上博客園頭條的文章：

　　挑戰ORM性能——Newlife.XCode下500萬sqlite數據庫的分頁(2012-08-22 12:22)  

第1篇 推薦超過60的文章：

　　【原創】開源Word讀寫組件DocX介紹與入門 (2013-02-22 10:35)  24

第1篇 推薦超過80的文章：

　　【5.1送禮】國內第一部Matlab和C#.Net混合編程視頻教程【免費】 (2014-04-29 08:02)

第1篇 總瀏覽量超1.6萬的文章：

　　【吐槽】VS2012的安裝項目只能用InstallShield Limited Edition (2013-09-07 11:20)

　　在全部的100篇隨筆中，有13篇是目錄和連接彙總，不能算是寫的隨筆，還有9篇文章是剛開始來博客園的時候，還在學習，技術含量不高。但我也沒刪除，畢竟是一段歷史。加上有2篇關於比特幣和源碼的文章，準確的說不是我寫的，大部分是@大石頭的內容，還有2篇資源和百度吐槽是很隨意臨時寫的，根本沒打算髮表在首頁，只是作一個記錄。因此實際比較有技術一點的文章或者心得數量是73篇。這73篇文章中:

在我的認爲還不錯的文章中有至少15 篇上了博客園頭條(包括「最多推薦」和「最多評論」以及「編輯推薦」)

1.白話貝葉斯理論及在足球比賽結果預測中的應用和C#實現【附資料】

2.你用過這種奇葩的C#註釋嗎？如何看待 (2015-04-17 10:04)

3.【原創】C#玩高頻數字彩快3的一點體會 (2015-04-11 09:03)

4.【踩坑經歷】一次Asp.NET小網站部署踩坑和解決經歷 (2015-04-01 06:10)

5.【分享】博客美化(4)爲博客添加一個智能的文章推薦插件 (2015-03-24 07:55)

6.【原創】Newlife.XCode的常見功能使用(一）查詢與數據初始化 (2015-01-26 08:52)

7.【原創】開源Math.NET基礎數學類庫使用(13)C#實現其餘隨機數生成器 (2015-03-18 08:32)

8.【反傳銷】傳銷故事總結—如何儘量保護自身和家人安全 (2015-03-09 07:37)

9.【反傳銷】春節一個短暫誤入傳銷和脫身的真實故事以及對技術的思考 (2015-03-03 06:10)

10.App亂世，3721離咱們有多遠 (2015-02-10 09:24)

11.【原創】開源Word讀寫組件DocX介紹與入門 (2013-02-22 10:35)

12.【原創】C#開源輕量級對象數據庫NDatabase介紹 (2013-02-20 09:35)

13.【原創】.NET開源壓縮組件介紹與入門 (2013-03-05 07:59)

14.【5.1送禮】國內第一部Matlab和C#.Net混合編程視頻教程【免費】 (2014-04-29 08:02)

 另外還有一篇文章被博客園做爲編輯推薦文章：

15.【原創】Matlab.NET混合編程技巧之直接調用Matlab內置函數  

　   總的來講，文章是很是高效和獲得你們的承認的，雖然技術含量不是特別高級，但可能基礎的技術更多的能引發共鳴吧。我想說的是，每一篇文章都是通過很用心的編輯和寫出來的，結果也是很是理想的，獲得了不少人的支持和理解，因此纔有瞭如此高效的訪問量和推薦以及評論。

---

若是您以爲閱讀本文對您有幫助，請點一下「推薦」按鈕，您的「推薦」將是我最大的寫做動力！歡迎各位轉載，可是未經做者本人贊成，轉載文章以後必須在文章頁面明顯位置給出做者和原文鏈接，不然保留追究法律責任的權利。

 

.NET技術愛好者，彩票分析預測

本文原始做者博客http://www.cnblogs.com/asxinyu