最全的机器学习资料汇总

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
计算机视觉

C++

计算机视觉
通用机器学习
自然语言处理
序列分析
手势识别

Common Lisp

通用机器学习

Clojure

自然语言处理
通用机器学习
数据分析 /数据可视化

Erlang

通用机器学习

Go

自然语言处理
通用机器学习
数据分析 /数据可视化

Haskell

通用机器学习

Java

自然语言处理
通用机器学习
数据分析 /数据可视化
深度学习

Javascript

自然语言处理
数据分析 /数据可视化
通用机器学习
其他

Julia

通用机器学习
自然语言处理
数据分析/数据可视化
其他项 /展示

Lua

通用机器学习
示例和脚本

Matlab

计算机视觉
自然语言处理
通用机器学
数据分析 / 数据可视化

.NET

计算机视觉
自然语言处理
通用机器学习
数据分析 /数据可视化

Objective C

通用机器学习

OCaml

通用机器学习

PHP

自然语言处理
通用机器学习

Python

计算机视觉
自然语言处理
通用机器学习
数据分析 /数据可视化
杂项脚本/ iPython笔记 /源码库
Kaggle竞赛源码

Ruby

自然语言处理
通用机器学习
数据分析 /数据处理
杂项

Rust

通用机器学习

R

通用机器学习
数据分析 /数据可视化

SAS

通用机器学习
数据分析 /数据可视化
高性能机器学习（MPP）
自然语言处理
示例和脚本

Scala

自然语言处理
数据分析 /数据可视化
通用机器学习

Swift

通用机器学习

Credits

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；

encog-cpp

shark

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。

自然语言处理

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

D3.js

High
Charts

NVD3.js

dc.js

chartjs

dimple

amCharts

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。

Online
Learning

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。