摘要：机器学习牵涉的编程语言十分之广，包括了MATLAB、Python、Clojure、Ruby等等。为了让开发者更加广泛、深入地了解机器学习，云栖社区组织翻译了GitHub Awesome Machine Learning 资源，涵盖24种编程语言的机器学习的框架、库以及其他相关资料。
摘要：机器学习牵涉的编程语言十分之广，包括了MATLAB、Python、Clojure、Ruby等等。为了让开发者更加广泛、深入地了解机器学习，云栖社区组织翻译了GitHub Awesome Machine Learning 资源，涵盖24种编程语言的机器学习的框架、库以及其他相关资料。
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习牵涉的编程语言十分之广，包括了MATLAB、Julia、R、Perl、Python、Clojure、Ruby等等。
为了让开发者更加广泛、深入地了解机器学习，云栖社区组织翻译了GitHub Awesome Machine Learning 资源，涵盖24种编程语言的机器学习的框架、库以及其他相关资料。
目录
C
通用机器学习
Recommender- 一个C语言库，利用协同过滤（CF）进行产品推荐/建议；
Darknet-是一个用C和CUDA编写的开源神经网络框架，它速度快，易于安装，并支持CPU和GPU计算。
计算机视觉
CCV-基于C语言、高速缓存的核计算机视觉库，是一个现代化的计算机视觉库；
VLFeat-开放、可便携的计算机视觉算法库，内有matlab工具箱。
语音识别
HTK-隐马尔可夫模型工具包（HTK）是一个便携式工具包，用于构建和操作隐马尔可夫模型。
C++
计算机视觉
OpenCV-OpenCV自带C ++、C、Python、Java和MATLAB接口，并支持Windows、Linux、Android版和Mac OS等系统；
DLib-DLib有C ++和Python接口，用于人脸检测和训练通用的目标探测器；
EBLearn-Eblearn是一种面向对象的C++库，能够实现各种机器学习模型；
VIGRA-VIGRA是通用跨平台的C++计算机视觉和机器学习库，能够用Python绑定任意维度的体积。
通用机器学习
mlpack-可扩展的C++机器学习库；
DLib-ML工具套件，能够很容易嵌入到其他应用程序中；
Vowpal Wabbit (VW)-一个快速的核外（out-of-core ）学习系统；
sofia-ml-快速增量算法套件；
Shogun-Shogun机器学习工具箱；
Caffe-基于清洁度、可读性和速度考虑而开发的深度学习框架。[深度学习]
CXXNET-另一个深度学习框架，其核心代码少于1000行；[深度学习]
XGBoost-一种并行、优化、通用的梯度推进库；
CUDA-利用C++ / CUDA快速实现卷积；[深度学习]
Stan-一种概率性的编程语言，能够实现Hamiltonian Monte Carlo抽样的全贝叶斯统计推断；
BanditLib-一个简单、有多重保护的Bandit库；
Timbl：一个软件包/ C ++库，能够实现多种基于内存的学习算法，其中有IB1-IG--k-最近邻分类的实现、IGTree--IB1-IG的决策树近似值；常用于NLP；
Disrtibuted Machine learning Tool Kit (DMTK)-微软开发的分布式机器学习（参数服务器）框架，能够在多台机器的大型数据集上实现训练模型，与它捆绑的现有工具包括：LightLDA和分布式（多传感）字嵌入；
igraph-通用图形库；
Warp-CTC-在CPU和GPU上快速并行地实现连接时域分类（Connectionist Temporal Classification，CTC）；
CNTK-微软研究院开发的计算网络工具包（CNTK），它作为一系列计算步骤，通过有向图来描述神经网络，是统一的深度学习工具包；
DeepDetect-一个机器学习API，服务器用C++11编写，它使机器学习的状态易于工作，并容易集成到现有应用程序；
Fido-一个高度模块化的C++机器学习库，用于嵌入式电子产品和机器人中。
MIT Information Extraction Toolkit-C，C ++和Python的工具，用于命名实体识别与关系抽取；
CRF++-条件随机域（Conditional Random Fields，CRFs）的开源实现，用于分割/标记序列数据及其他自然语言处理任务；
CRFsuite-条件随机域（CRFs）的实现，用于标记序列数据；
BLLIP Parser-BLLIP自然语言解析器（也称为Charniak-Johnson解析器）；
colibri-core-是C++库、命令行工具，和Python绑定用于提取与使用基本的语言结构，例如用快速和高效存储的方式实现n-grams和skipgrams模型；
ucto-是一种工具和C++库，基于支持各种语言的编译器，内含统一字符标准及规则表达式；支持FoLiA格式；
libfolia-支持FoLiA格式的C++库；
frog-为Dutch开发的基于内存的NLP套件：POS标签、归类分析、依存句法分析、NER、浅层句法分析、形态分析；
MeTA-MeTA : ModErn语篇分析（ModErn Text Analysis），是一个C++数据科学工具包，便于挖掘大文本数据。
语音识别
Kaldi-Kaldi是用于语音识别的工具包，用C++编写，由Apache许可证V2.0协议授权，专门给语音识别的研究人员使用。
序列分析
ToPS-这是一种面向对象的框架，便于在用户定义的字母序列中整合概率模型。
手势检测
grt-手势识别工具包（GRT）是一个跨平台、开源的C++机器学习库，用于实时的手势识别。
Common Lisp
通用机器学习
mgl-神经网络（玻耳兹曼机，前馈和循环网络）以及高斯过程；
mgl-gpr-演化算法；
cl-libsvm-LIBSVM支持向量机库的包装。
Clojure
自然语言处理
Clojure-openNLP- Clojure中自然语言处理的工具包（openNLP）；
Infections-clj- Clojure和Clojure中类似于Rails的inflection库。
通用机器学习
Touchstone- Clojure A/B 测试库；
Clojush- Clojure中的Push程序语言和PushGP遗传编程系统；
Infer- Clojure中分析和机器学习的工具；
Clj-ML- Clojure中基于Weka及其相关环境的深度学习库；
Encog- 在Clojure中封装成Encog (v3) （专门研究神经网络的机器学习框架）；
Fungp- Clojure中的遗传编程实例库；
Statistiker- Clojure中基础机器学习算法；
clortex-采用Numenta’s Cortical 学习算法的通用机器学习库；
comportex- 采用Numenta’s Cortical 学习算法的功能组合的机器学习库。
数据分析/数据可视化
Incanter- Incanter是基于 Clojure，类似R的统计计算与制图平台；
PigPen- Clojure中的Map-Reduce；
Envision- 基于Statistiker和D3Clojure 数据可视化库。
Erlang
通用机器学习
Disco- Erlang中的Map Reduce模型。
Go
自然语言处理
go-porterstemmer- 一个用于实现Porter词干提取算法的原生Go语言净室；
paicehusk- Go语言中用于实现Paice/Husk词干提取算法；
snowball- Go语言中的Snowball 词干提取器；
go-ngram-内存N-gram索引压缩 。
通用机器学习
Go Learn- Go语言中的机器学习库；
go-pr- Go语言中的模式识别包；
go-ml- 线性/逻辑回归、神经网络、协同过滤和多元高斯分布；
bayesian- Go语言中朴素贝叶斯分类库；
go-galib- Go语言版的遗传算法库；
Cloudforest- GO语言中的决策树集合；
gobrain- GO语言版的神经网络；
GoNN- GoNN 是用Go语言实现的神经网络，它包括BPNN、RBF、PCN ；
MXNet- 轻量级、便携式、灵活的分布式/深度学习系统，可对动态的、突变数据流调度部署，同时也支持Python、R、Julia、Go、Javascript 等编程语言。
数据分析/数据可视化
go-graph- Go语言图形库；
SVGo- Go语言的SVG生成库；
RF- Go语言的随机森林库；
Haskell
通用机器学习
haskell-ml- Haskell 语言实现的各种深度学习算法 ；
HLearn- 根据代数结构解释其深度模型的库；
hnn- Haskell语言的神经网络库；
hopfield-networks- Haskell中用于无监督学习的Hopfield网络；
caffegraph- 一种用于深度神经网络的领域特定语言（DSL）；
LambdaNet- Haskell中的可配置的神经网络。
Java
自然语言处理
Cortical.io- 像人脑一样快速、精确处理复杂的NLP（自然语言处理）操作（如消歧、分类、流文本过滤等操作）的Retina API；
CoreNLP- 斯坦福大学的CoreNLP提供的一系列的自然语言处理工具，该工具可以根据输入原始英语文本，给出单词的基本形式；
Stanford Parser- 一种自然语言分析器，可以分析语句的语法结构；
Stanford POS Tagger-一个词性分类器 (POS Tagger）；
Stanford Name Entity Recognizer- Stanford NER是一个Java实现的名称识别器；
Stanford Word Segmenter- 分词器，很多NLP工作中都要用到的标准预处理步骤；
Tregex, Tsurgeon and Semgrex- Tregex基于树关系以及节点匹配的正则表达式，用于在树状数据结构中进行模式匹配（名字是“tree regular expressions”的缩写） ；
Stanford Phrasal:一个基于短语的翻译系统
Stanford English Tokenizer- Stanford Phrasal 用Java写成的最新的基于统计短语的机器翻译系统；
Stanford Tokens Regex- 一个分解器，可以将文本大致分成一系列对应于“词”的符号；
Stanford Temporal Tagger- SUTime是一个用于识别并标准化时间表达式的库；
Stanford SPIED-在种子集上使用模式，以迭代方式从无标签文本中进行学习实体；
Stanford Topic Modeling Toolbox- 为社会科学家及其他希望分析数据集的人员提供的主题建模工具；
Twitter Text Java- Java实现的推特文本处理库；
MALLET- 基于Java的统计自然语言处理、文档分类、聚类、主题建模、信息提取以及其他机器学习的文本应用包；
OpenNLP- 基于机器学习的自然语言文本处理工具包；
LingPipe- 一个使用计算机语言学文本处理的工具包；
ClearTK- 在Java中ClearTK为开发统计语言处理组件提供了一个框架，该框架是基于Apache UIMA；
Apache cTAKES- Apache cTAKES是一个开源自然语言处理系统，用于从临床电子病历的自由文本中提取信息；
ClearNLP- ClearNLP工程为自然语言处理提供了软件和资源提供了。该项目最早在计算机愈合和教育研究中心启动，目前由Emory 大学的语言和信息研究中心继续开发。该项目遵循Apache 2 license。
通用机器学习
aerosolve- 是由Airbnb设计的定价建议系统的机器学习库；
Datumbox-应对机器学习和统计应用快速发展的机器学习框架；
ELKI- 用于数据挖掘的Java工具包(无监督：聚类、异常检测等等)；
Encog- 一种先进的神经网络和机器学习框架。 Encog包含用于创建各类网络的类，同时也支持为神经网络规范和处理数据的类。它的训练采用多线程弹性传播。它也能使用GPU加快处理时间。提供了图形化界面来帮助建模和训练神经网络。
EvA2- 包含遗传算法、差分进化、协方差自适应进化策略等等的进化算法框架；
FlinkML in Apache Flink- Flink中的分布式机器学习库；
H2O- 深度学习引擎，支持在Hadoop、Spark 或者通过R、Python、Scala 、REST/JSONML 的APIs连到的笔记本上进行分布式学习；
htm.java- 采用Numenta Cortical 学习算法的通用机器学习库 ；
java-deeplearning- Java、Clojure、Scala的分布式深度学习平台；
JAVA-ML- 包含所有Java算法的通用接口的通用深度学习库；
JSAT- 用于分类、回归、聚类的机器学习算法集合；
Mahout- 分布式的机器学习库；
Meka- MEKA提供了一个面向多标签学习和评价方法的开源实现（扩展成Weka）；
MLlib in Apache Spark- Spark中的分布式机器学习程序库；
Neuroph- Neuroph 是轻量级的Java神经网络框架；
ORYX- 采用Apache Spark和Apache Kafka的Lambda 结构框架，专门用于实时大规模机器学习；
Samoa- SAMOA 是一个包含用于分布式机器学习数据流的框架，同时为数据流流入不同的流处理平台提供了接口；
RankLib- RankLib是一个排序学习算法库；
rapaio- Java中用于统计、数据挖掘和机器学习的工具箱；
RapidMiner- RapidMiner integration into Java code
Stanford Classifier- 斯坦福大学分类器是一种机器学习工具，它可以将数据项归置不同的类别中；
SmileMiner- 统计机器智能与学习引擎；
SystemML- 灵活、可扩展的机器学习语言；
WalnutiQ- 人脑部分面向对象模型；
Weka- Weka是数据挖掘方面的机器学习算法集 。
语音识别
CMU Sphinx- CMU Sphinx 是基于Java 语音识别库，用于纯语音识别开源工具包。
数据分析/数据可视化
Flink- Apache Flink是一个面向分布式数据流处理和批量数据处理的开源计算平台；
Hadoop- 大数据分析平台；
Spark- Spark是一个快速通用的大规模数据处理引擎；
Storm- Storm是一个分布式实时计算系统；
Impala- 为Hadoop实现实时查询
DataMelt- 用于数字计算、统计、符号计算、数据分析和数据可视化的数学软件；
Dr. Michael Thomas Flanagan's Java Scientific Library
深度学习
Deeplearning4j- 采用并行GPU的商用可扩展深度学习库。
数Javascript
自然语言处理
Twitter-text- Twitter文本处理库中使用JavaScript的实现；
NLP.js– 使用JavaScript和CoffeeScript的NLP实用工具；
natural– 用于节点的通用自然语言工具；
Knwl.js– JS中的自然语言处理器；
Retext-用于分析和处理自然语言的可扩展系统；
TextProcessing-情感分析，词干和词形还原，部分词性标注和组块，短语提取和命名实体识别；
NLP Compromise- 浏览器中的自然语言处理。
数据分析/数据可视化
D3xter–直接建立在D3上的绘图；
statkit– JavaScript的统计工具；
datakit- JavaScript的轻量级数据分析框架；
science.js- JavaScript中的科学统计计算；
Z3d– 在Three.js上轻松地绘制交互式3D图；
Sigma.js- JavaScript库，专门用于图形绘制；
C3.js– 基于D3.js的定制库，能够轻松绘制图表；
ZingChart- Vanilla JS编写的库，用于大数据可视化；
cheminfo– 数据可视化和分析的平台，使用可视化项目。
通用机器学习
Convnet.js- ConvNetJS是一个JavaScript库，用于训练深度学习模型[深度学习]；
Clusterfck- 为Node.js和浏览器，用Javascript实现的凝聚层次聚类；
Clustering.js– Javascript为Node.js和浏览器实现的聚类算法；
Decision Trees-使用ID3算法实现NodeJS决策树；
figue- K-均值、模糊C均值和凝聚聚类；
Node-fann-Node.js绑定的快速人工神经网络库（Fast Artificial Neural Network Library，FANN）；
Kmeans.js- K-均值算法用JavaScript的简单实现，用于Node.js和浏览器；
LDA.js- Node.js的LDA主题建模；
Learning.js–用Javascript实现逻辑回归/ c4.5决策树；
Machine Learning- Node.js的机器学习库；
Node-SVM- Node.js的支持向量机；
Brain- JavaScript中的神经网络[已弃用]；
Bayesian-Bandit- Node和浏览器的贝叶斯实现；
Synaptic– 用于Node.js和浏览器的无架构神经网络库；
kNear- JavaScript实现的k个最近邻算法，用于监督学习；
NeuralN- Node.js的C++神经网络库，其优点是有大量的数据集和多线程训练；
kalman- Javascript的卡尔曼滤波器；
shaman- Node.js库，同时支持简单和多元的线性回归；
ml.js–用于Node.js和浏览器的机器学习和数值分析工具；
Pavlov.js-利用马尔可夫决策过程强化学习；
MXNet-轻量级、便携式、灵活的分布式/深度学习系统，可对动态的、突变数据流调度部署，同时也支持Python、R、Julia、Go、Javascript 等编程语言。
其它
sylvester– 用于JavaScript的向量和矩阵数学；
simple-statistics- 描述，回归和推断统计的JavaScript实现；用文字实现的JavaScript，没有依赖性，能在所有现代浏览器（包括IE）以及在node.js中工作；
regression-js– JavaScript库，包含小二乘法拟合方法的集合，用于寻找数据集的趋势；
Lyric-线性回归库；
GreatCircle– 计算大圆距的库。
Julia
通用机器学习
MachineLearning- Julia机器学习库；
MLBase-一组支持机器学习算法的发展的函数；
PGM- 一个概率图模型的Julia框架；
DA- 正则判别分析的Julia组件；
Regression- 回归分析算法（例如线性回归和逻辑回归）；
Local Regression-局部回归，超级流畅！
Naive Bayes- Julia朴素贝叶斯方法的简单实现；
Mixed Models– 用于装配（统计）混合效应模型的Julia组件；
Simple MCMC– Julia实现基本的MCMC采样；
Distance- Julia距离评估模块；
Decision Tree-决策树分类和回归；
Neural- Julia神经网络；
MCMC– Julia 的MCMC工具；
Mamba– Julia中马尔可夫链蒙特卡罗（MCMC）的贝叶斯分析；
GLM– Julia的广义线性模型。
GLMNet– GMLNet的Julia包装版，适合套索/弹性网模型；
Clustering-集群数据的基本功能：K-均值，DP-均值等；
SVM– Julia适用的SVM；
Kernal Density– Julia的核密度估计量；
Dimensionality Reduction-降维方法；
NMF- 非负矩阵分解的Julia包；
ANN- Julia人工神经网络；
Mocha– 受Caffe启发，Julia的深度学习框架；
XGBoost– Julia中的eXtreme Gradient Boosting 包；
ManifoldLearning– 用于流形学习和非线性降维的Julia组件；
MXNet-轻量级、便携式、灵活的分布式/深度学习系统，可对动态的、突变数据流调度部署，同时也支持Python、R、Julia、Go、Javascript 等编程语言。
Merlin- Julia灵活的深度学习框架。
自然语言处理
Topic Models– Julia下的主题模型；
Text Analysis– Julia下的文本分析包。
数据分析/数据可视化
Graph Layout– 纯Julia实现的图布局算法；
Data Frames Meta- DataFrames的元编程工具；
Julia Data- 处理表格数据的Julia库；
Data Read- 从Stata、SAS、SPSS读取文件；
Hypothesis Tests– Julia的假设检验；
Gadfly– Julia 灵活的统计制图法；
Stats– Julia的统计图检验；
RDataSets- 用于装载许多R中可用数据集的Julia包；
DataFrames– 处理列表数据的Julia库；
Distributions- 概率分布和相关函数的Julia包；
Data Arrays- 允许缺失值的数据结构；
Time Series– Julia的时间序列工具包；
Sampling- Julia的基本采样算法。
其他项/展示
DSP-数字信号处理（滤波，周期图，频谱图，窗函数）；
JuliaCon Presentations– JuliaCon的演示文稿；
SignalProcessing– Julia写的信号处理工具；
Images– Julia的图像库。
编译自：https://github.com/josephmisiti/awesome-machine-learning
来源：云栖社区
译者：刘崇鑫 校对：王殿进
网友评论