用Julia研究人工智能？這5個機器學習項目不得不看

近日，MIT 發佈了動態編程語言 Julia 1.0 正式版本，下載地址：

julialang.org/downloads/

由 MIT 主導開發的 Julia 是一種新型編程語言，它將 C 的速度、Ruby 的靈活性 Matlab 的數學表徵、Python 的通用編程結合在一塊兒，集衆家之所長，近年來成爲全球火熱程度上升最快的編程語言之一，受到包括 Google、Facebook 在內的世界知名互聯網公司開發者們的普遍歡迎。

整體來看，Julia 具備快速、通用、動態、專業、多樣性和可組合等特色。因爲其高性能、使用簡單、面向廣大開發者，所以在某些狀況下很是適合開發各類東西，好比深度學習框架。故而它一經推出，就引發數據分析和科學計算領域的濃厚興趣。

本文就介紹 5 個面向 Julia 的機器學習項目，它們並不是全都是機器學習庫，其中一個是實現機器學習算法的支持功能的合集。

MLBase.jl

以這個項目着手開始比較合適，MLBase 自稱爲「機器學習中的瑞士軍刀」。

它不是實現機器學習算法，而是一系列支持工具的合集，好比用於預處理、基於分數的分類、性能評估指標、模型調試等等這方面的工具。

MLBase 的文檔很是不錯，並且每一個工具都附有必定數量的代碼示例。

項目地址：

github.com/JuliaStats/…

ScikitLearn.ji

對於使用 Python 編程的開發者來講，Julia 能夠說是個潛在的「救火隊長」。

ScikitLearn.jl 用 Julia 實現了常見的 Scikit-learn 接口和算法。其支持來自 Julia 生態系統和 Scikit-learn 庫（經過 PyCall.jl）這兩部分的模型。

雖然 ScikitLearn.jl 並不是 Scikit-learn 的官方做品，但它實現了很是可靠的接口，並將 Python 模型和 Julia 模型結合在一塊兒，仍是很是有吸引力的。

項目中附有很不錯的入門指南，以及不少 Jupyter notebook 示例。

項目地址：

github.com/cstjean/Sci…

MachineLearning.jl

該項目主要介紹 Julia 中的機器學習算法。其包含了至關數量的機器學習算法和支持工具，對於用Julia進行機器學習開發是個很棒的資源。

目前主要包括如下算法：決策樹分離器，隨機森林分類器，基礎的神經網絡和貝葉斯累加回歸樹。另外也支持將數據集分割爲 訓練集 和 測試集，以及對模型進行交叉檢驗。

項目地址：

github.com/benhamner/M…

Mocha.jl

Macha.jl 是一個面向 Julia 的深度學習框架，其開發靈感源自 C++ 框架 Caffe。Mocha.jl 中高效實現了通用的隨機梯度解算器和常見網絡層，能經過無監督預訓練方式用於訓練深度神經網絡和卷積神經網絡。

項目文檔包含了一系列的教程合集以及完整的使用指南，是一個很是詳盡的面向 Julia 的深度學習項目。

項目地址：

github.com/pluskid/Moc…

TextAnalysis.jl

TextAnalysis.jl 是一個用於文本分析的 Julia 庫，提供文檔預處理、語料庫建立、文檔術語矩陣、逆文檔頻率、潛在語義分析、潛在狄利克雷分佈等多種天然語言處理功能。若是你對使用 Julia 執行天然語言處理任務，這絕對是很合適的入門項目。

項目地址：

github.com/JuliaText/T…

若是想入門瞭解一下 Julia，能夠看看集智主站發佈的《Julia 快速入門》系列教程：

jizhi.im/blog/post/j…

還想深刻學習 Julia 的知識，集智推薦這個學習資源：

samuelcolvin.github.io/JuliaByExam…

最後再分享幾個 Julia 實現的機器學習算法：

面向 Julia 的馬爾科夫鏈蒙特卡羅：

github.com/doobwa/MCMC…

Julia 實現的簡單樸素貝葉斯：

github.com/nutsiepully…

Julia 實現的決策樹：

github.com/bensadeghi/…

Julia 實現的廣義線性模型：

github.com/JuliaStats/…

後面會繼續分享關於 Julia 的機器學習資源，以及如何從零開始用 Julia 進行數據科學工做，歡迎關注咱們。

參考資料：

www.kdnuggets.com/2016/08/top…

---

集智在手 AI不愁

八月新課猛戳j.youzan.com/jiECwY