機器學習經常使用開發工具【轉】

原文地址：http://blog.csdn.net/sileixinhua/article/details/73611056

機器學習經常使用開發工具

scikit-learn

http://scikit-learn.org/stable/

創建在NumPy，SciPy和matplotlib上，Python中的機器學習庫，簡單高效的數據挖掘和數據分析工具。

功能有分類（SVM,nearest neighbors,random forest等），迴歸（SVR, ridge regression, Lasso等），聚類（k-Means, spectral clustering, mean-shift等），降維（PCA, feature selection, non-negative matrix factorization等），選擇模型（grid search, cross validation, metrics等），預處理（preprocessing, feature extraction等）。

OpenCV(圖像處理與畢業論文大殺器)

http://opencv.org/

OpenCV具備C ++，C，Python和Java接口，並支持Windows，Linux，Mac OS，iOS和Android。 
opencv專爲計算效率而設計，並強調實時應用。 
以優化的C / C ++編寫，庫能夠利用多核處理。 
經過OpenCL啓用，能夠利用底層異構計算平臺的硬件加速。 
OpenCV已經經過世界各地的用戶社區超過4.7萬人，估計下載量超過1400萬。 
使用範圍從互動藝術，到礦山檢查，在網上縫合地圖或經過先進的機器人。

http://blog.csdn.net/sileixinhua/article/details/72810858 
使用OpenCV，40行代碼檢測人臉圖像。

tensorflow

https://www.tensorflow.org/

TensorFlow™是使用數據流圖進行數值計算的開源軟件庫。 
圖中的節點表示數學運算，而圖形邊緣表示在它們之間傳遞的多維數據陣列（張量）。 
靈活的架構容許您使用單個API將計算部署到桌面，服務器或移動設備中的一個或多個CPU或GPU。 
TensorFlow用於進行機器學習和深層神經網絡研究，但該系統廣泛足以適用於各類其餘領域。

caffe

http://caffe.berkeleyvision.org/

Caffe是一個深度學習框架，特色爲速度和模塊化。

http://demo.caffe.berkeleyvision.org/ 
cffe官方一個分類器的demo，能夠上傳照片而後查看分類結果

pyTouch

http://pytorch.org/

PyTorch是一個深度學習框架，將Python放在首位。

近年來PyTorch熱度上升，值得學習。

Java-ML

http://java-ml.sourceforge.net/

Java-ML簡而言之，機器學習算法的集合，有每種算法的公共接口和類型，主要針對軟件工程師和程序員，因此沒有GUI，但界面清晰，良好的源代碼。，大量的代碼示例和教程。

若是你實際開發環境是java的話比較推薦。

Spark

http://spark.apache.org/

Apache Spark是用於大規模數據處理的快速和通用引擎。 
運行程序比Hadoop MapReduce在內存中快100倍，或者在磁盤上運行速度要快10倍。 
在Java，Scala，Python，R中快速編寫應用程序。 
結合SQL，流式傳輸和複雜分析。 
Spark在hadoop，Mesos，獨立或雲端運行。 它能夠訪問不一樣的數據源，包括HDFS，Cassandra，Hbase和S3。

NumPy,pandas,matplotlib

NumPy是使用Python進行科學計算的基礎軟件包。 
強大的N維數組對象，複雜（廣播）功能，用於集成C / C ++和Fortran代碼的工具，有用的線性代數，傅里葉變換和隨機數能力。

pandas爲Python編程語言提供高性能，易於使用的數據結構和數據分析工具。

Matplotlib是一個Python 2D繪圖庫，能夠跨平臺生成各類硬拷貝格式和交互式環境的出版品質量圖。 Matplotlib可用於Python腳本，Python和IPython shell，jupyter筆記本，Web應用程序服務器和四個圖形用戶界面工具包。

keras

https://keras.io/

Keras是一種高級神經網絡API，用Python編寫，可以運行在TensorFlow，CNTK或Theano之上。 
開發重點是實現快速實驗。可以從想法到結果儘量快速的實現。 
容許簡單快速的原型（經過用戶友好，模塊化和可擴展性）。 
支持卷積網絡和遞歸網絡，以及二者的組合。 
在CPU和GPU上無縫運行。

theano

http://deeplearning.net/software/theano/

Theano是一個Python庫，定義，優化和評估涉及多維數組的數學表達式。 
與NumPy緊密集成 - 在Theano編譯的函數中使用numpy.ndarray。 
透明使用GPU - 執行數據密集型計算比在CPU上快得多。 
有效的象徵性差別 - Theano用一個或多個投入爲衍生工具作功能。 
速度和穩定性優化 - 即便x很小，也能爲日誌（1 + x）找到正確的答案。 
動態C代碼生成 - 更快地評估表達式。 
普遍的單元測試和自我驗證 - 檢測和診斷許多類型的錯誤。

NLTK

http://www.nltk.org/

NLTK是構建Python程序以處理人類語言數據的領先平臺。 
它爲超過50種語料庫和詞彙資源（如WordNet）提供易於使用的界面， 
以及一套用於分類，標記化，詞根，標記，解析和語義推理的文本處理庫，可用於工業級應用。

jieba

https://pypi.python.org/pypi/jieba/

「結巴」中文分詞：作最好的 Python 中文分詞組件。

Storm

http://storm.apache.org/

最火的流式處理框架。 
Storm能夠輕鬆地可靠地處理無限流數據，實時處理Hadoop對批處理的處理。 
可用於實時分析，在線機器學習，連續計算，分佈式RPC，ETL等。

Julia/R

https://julialang.org/

https://www.r-project.org/

Julia是數字計算中高性能動態編程語言。 
它提供了一個複雜的編譯器，能夠分佈式並行執行，高精度數字和普遍的數學函數庫。 
Julia的基礎庫主要用於Julia自己，還集成了成熟的，最好的開源C和Fortran庫，用於線性代數，隨機數生成，信號處理和字符串處理。 
此外，Julia開發人員社區正在經過Julia的內置軟件包管理器快速提供一些外部軟件包。 
Jupyter和Julia社區合做的IJulia爲Julia提供了強大的基於瀏覽器的圖形筆記本界面。

R是用於統計計算和圖形的免費軟件環境。 它能夠在各類UNIX平臺（Windows和MacOS）上編譯和運行。

Weka

http://www.cs.waikato.ac.nz/ml/weka/

Weka是數據挖掘任務的機器學習算法的集合。 這些算法能夠直接應用於數據集，也能夠從您本身的Java代碼中調用。 Weka包含用於數據預處理，分類，迴歸，聚類，關聯規則和可視化的工具。