推荐!国外程序员整理的机器学习资源大全

本文汇编了一些机器学习领域的框架、库以及软件（按编程语言排序）。
C++计算机视觉
CCV —基于C语言/提供缓存/核心的机器视觉库，新颖的机器视觉库
OpenCV—它提供C++, C, Python, Java 以及 MATLAB接口，并支持Windows, Linux, Android and Mac OS操作系统。

通用机器学习
MLPack
DLib
ecogg
shark

Closure通用机器学习
Closure Toolbox—Clojure语言库与工具的分类目录

Go自然语言处理
go-porterstemmer—一个Porter词干提取算法的原生Go语言净室实现
paicehusk—Paice/Husk词干提取算法的Go语言实现
snowball—Go语言版的Snowball词干提取器

通用机器学习
Go Learn— Go语言机器学习库
go-pr —Go语言机器学习包.
bayesian—Go语言朴素贝叶斯分类库。
go-galib—Go语言遗传算法库。



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。

Java自然语言处理
CoreNLP—斯坦福大学的CoreNLP提供一系列的自然语言处理工具，输入原始英语文本，可以给出单词的基本形式（下面Stanford开头的几个工具都包含其中）。
Stanford Parser—一个自然语言解析器。
Stanford POS Tagger —一个词性分类器。
Stanford Name Entity Recognizer—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 —用来在树状数据结构中进行模式匹配，基于树关系以及节点匹配的正则表达式（名字是“tree regular expressions”的缩写）。
Stanford Phrasal:最新的基于统计短语的机器翻译系统，java编写
Stanford Tokens Regex—用以定义文本模式的框架。
Stanford Temporal Tagger—SUTime是一个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学习字符实体
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文本应用包。
OpenNLP—处理自然语言文本的机器学习工具包。
LingPipe —使用计算机语言学处理文本的工具包。



通用机器学习
MLlib in Apache Spark—Spark中的分布式机器学习程序库
Mahout —分布式的机器学习库
Stanford Classifier —斯坦福大学的分类器
Weka—Weka是数据挖掘方面的机器学习算法集。
ORYX—提供一个简单的大规模实时机器学习/预测分析基础架构。

数据分析/数据可视化
Hadoop—大数据分析平台
Spark—快速通用的大规模数据处理引擎。
Impala —为Hadoop实现实时查询

Javascript自然语言处理
Twitter-text-js —JavaScript实现的推特文本处理库
NLP.js —javascript及coffeescript编写的NLP工具
natural—Node下的通用NLP工具
Knwl.js—JS编写的自然语言处理器

数据分析/数据可视化
D3.js
High Charts
NVD3.js
dc.js
chartjs
dimple
amCharts



通用机器学习
Convnet.js—训练深度学习模型的JavaScript库。
Clustering.js—用JavaScript实现的聚类算法，供Node.js及浏览器使用。
Decision Trees—Node.js实现的决策树，使用ID3算法。
Node-fann —Node.js下的快速人工神经网络库。
Kmeans.js—k-means算法的简单Javascript实现，供Node.js及浏览器使用。
LDA.js —供Node.js用的LDA主题建模工具。
Learning.js—逻辑回归/c4.5决策树的JavaScript实现
Machine Learning—Node.js的机器学习库。
Node-SVM—Node.js的支持向量机
Brain —JavaScript实现的神经网络
Bayesian-Bandit —贝叶斯强盗算法的实现，供Node.js及浏览器使用。

Julia通用机器学习
PGM—Julia实现的概率图模型框架。
DA—Julia实现的正则化判别分析包。
Regression—回归分析算法包（如线性回归和逻辑回归）。
Local Regression —局部回归，非常平滑！
Naive Bayes —朴素贝叶斯的简单Julia实现
Mixed Models —（统计）混合效应模型的Julia包
Simple MCMC —Julia实现的基本mcmc采样器
Distance—Julia实现的距离评估模块
Decision Tree —决策树分类器及回归分析器
Neural —Julia实现的神经网络
MCMC —Julia下的MCMC工具
GLM —Julia写的广义线性模型包
Online Learning
GLMNet —GMLNet的Julia包装版，适合套索/弹性网模型。
Clustering—数据聚类的基本函数：k-means, dp-means等。
SVM—Julia下的支持向量机。
Kernal Density—Julia下的核密度估计器
Dimensionality Reduction—降维算法
NMF —Julia下的非负矩阵分解包
ANN—Julia实现的神经网络

自然语言处理
Topic Models —Julia下的主题建模
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中的假设检验包
Gladfly —Julia编写的灵巧的统计绘图系统。
Stats—Julia编写的统计测试函数包
RDataSets —读取R语言中众多可用的数据集的Julia函数包。
DataFrames —处理表格数据的Julia库。
Distributions—概率分布及相关函数的Julia包。
Data Arrays —元素值可以为空的数据结构。
Time Series—Julia的时间序列数据工具包。
Sampling—Julia的基本采样算法包

杂项/演示文稿
DSP —数字信号处理
JuliaCon Presentations—Julia大会上的演示文稿
SignalProcessing—Julia的信号处理工具
Images—Julia的图片库

Lua

通用机器学习
Torch7
cephes —Cephes数学函数库，包装成Torch可用形式。提供并包装了超过180个特殊的数学函数，由Stephen L. Moshier开发，是SciPy的核心，应用于很多场合。
graph —供Torch使用的图形包。
randomkit—从Numpy提取的随机数生成包，包装成Torch可用形式。
signal —Torch-7可用的信号处理工具包，可进行FFT, DCT, Hilbert, cepstrums, stft等变换。
nn —Torch可用的神经网络包。
nngraph —为nn库提供图形计算能力。
nnx—一个不稳定实验性的包，扩展Torch内置的nn库。
optim—Torch可用的优化算法库，包括 SGD, Adagrad, 共轭梯度算法, LBFGS, RProp等算法。
unsup—Torch下的非监督学习包。提供的模块与nn(LinearPsd, ConvPsd, AutoEncoder, …)及独立算法 (k-means, PCA)等兼容。
manifold—操作流形的包。
svm—Torch的支持向量机库。
lbfgs—将liblbfgs包装为FFI接口。
vowpalwabbit —老版的vowpalwabbit对torch的接口。
OpenGM—OpenGM是C++编写的图形建模及推断库，该binding可以用Lua以简单的方式描述图形，然后用OpenGM优化。
sphagetti —MichaelMathieu为torch7编写的稀疏线性模块。
LuaSHKit —将局部敏感哈希库SHKit包装成lua可用形式。
kernel smoothing —KNN、核权平均以及局部线性回归平滑器
cutorch—torch的CUDA后端实现
cunn —torch的CUDA神经网络实现。
imgraph—torch的图像/图形库，提供从图像创建图形、分割、建立树、又转化回图像的例程
videograph—torch的视频/图形库，提供从视频创建图形、分割、建立树、又转化回视频的例程
saliency —积分图像的代码和工具，用来从快速积分直方图中寻找兴趣点。
stitch —使用hugin拼合图像并将其生成视频序列。
sfm—运动场景束调整/结构包
fex —torch的特征提取包，提供SIFT和dSIFT模块。
OverFeat—当前最高水准的通用密度特征提取器。

Numeric Lua
Lunatic Python
SciLua
Lua – Numerical Algorithms
Lunum

演示及脚本
Core torch7 demos repository.核心torch7演示程序库
线性回归、逻辑回归
人脸检测（训练和检测是独立的演示）
基于mst的断词器
train-a-digit-classifier
train-autoencoder
optical flow demo
train-on-housenumbers
train-on-cifar
tracking with deep nets
kinect demo
滤波可视化
saliency-networks

Training a Convnet for the Galaxy-Zoo Kaggle challenge(CUDA demo)
Music Tagging—torch7下的音乐标签脚本
torch-datasets 读取几个流行的数据集的脚本，包括：
BSR 500
CIFAR-10
COIL
Street View House Numbers
MNIST
NORB

Atari2600 —在Arcade Learning Environment模拟器中用静态帧生成数据集的脚本。

Matlab计算机视觉
Contourlets —实现轮廓波变换及其使用函数的MATLAB源代码
Shearlets—剪切波变换的MATLAB源码
Curvelets—Curvelet变换的MATLAB源码（Curvelet变换是对小波变换向更高维的推广，用来在不同尺度角度表示图像。）
Bandlets—Bandlets变换的MATLAB源码

自然语言处理
NLP —一个Matlab的NLP库

通用机器学习
Training a deep autoencoder or a classifier on MNIST digits—在MNIST字符数据集上训练一个深度的autoencoder或分类器[深度学习]。
t-Distributed Stochastic Neighbor Embedding —获奖的降维技术，特别适合于高维数据集的可视化
Spider—Matlab机器学习的完整面向对象环境。
LibSVM —支持向量机程序库
LibLinear —大型线性分类程序库
Machine Learning Module —M. A .Girolami教授的机器学习课程，包括PDF，讲义及代码。
Caffe—考虑了代码清洁、可读性及速度的深度学习框架
Pattern Recognition Toolbox —Matlab中的模式识别工具包，完全面向对象

数据分析/数据可视化
matlab_gbl—处理图像的Matlab包
gamic—图像算法纯Matlab高效实现，对MatlabBGL的mex函数是个补充。