为了让开发者更加广泛、深入地理解机器学习，云栖社区组织翻译了GitHub Awesome Machine Learning 资源，涵盖24种编程措辞的机器学习的框架、库以及其他干系资料。
目录
C
通用机器学习
打算机视觉
C++
打算机视觉
通用机器学习
自然措辞处理
序列剖析
手势识别
Common Lisp
通用机器学习
Clojure
自然措辞处理
通用机器学习
数据剖析 /数据可视化
Erlang
通用机器学习
Go
自然措辞处理
通用机器学习
数据剖析 /数据可视化
Haskell
通用机器学习
Java
自然措辞处理
通用机器学习
数据剖析 /数据可视化
深度学习
Javascript
自然措辞处理
数据剖析 /数据可视化
通用机器学习
其他
Julia
通用机器学习
自然措辞处理
数据剖析/数据可视化
其他项 /展示
Lua
通用机器学习
示例和脚本
Matlab
打算机视觉
自然措辞处理
通用机器学
数据剖析 / 数据可视化
.NET
打算机视觉
自然措辞处理
通用机器学习
数据剖析 /数据可视化
Objective C
通用机器学习
OCaml
通用机器学习
PHP
自然措辞处理
通用机器学习
Python
打算机视觉
自然措辞处理
通用机器学习
数据剖析 /数据可视化
杂项脚本/ iPython条记 /源码库
Kaggle竞赛源码
Ruby
自然措辞处理
通用机器学习
数据剖析 /数据处理
杂项
Rust
通用机器学习
R
通用机器学习
数据剖析 /数据可视化
SAS
通用机器学习
数据剖析 /数据可视化
高性能机器学习（MPP）
自然措辞处理
示例和脚本
Scala
自然措辞处理
数据剖析 /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措辞库，利用协同过滤（CF）进行产品推举/建议；
Darknet -是一个用C和CUDA编写的开源神经网络框架，它速率快，易于安装，并支持CPU和GPU打算。
打算机视觉
CCV -基于C措辞、高速缓存的核打算机视觉库，是一个当代化的打算机视觉库；
VLFeat -开放、可便携的打算机视觉算法库，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++
打算机视觉
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，用于人脸检测和演习通用的目标探测器；
EBLearn-Eblearn是一种面向工具的C++库，能够实现各种机器学习模型；
VIGRA-VIGRA是通用跨平台的C++打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，能够很随意马虎嵌入到其他运用程序中；
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、可读性和速率考虑而开拓的深度学习框架。[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-一种概任性的编程措辞，能够实现Hamiltonian Monte Carlo抽样的全贝叶斯统计推断；
BanditLib-一个大略、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，个中有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) -微软开拓的分布式机器学习（参数做事器）框架，能够在多台机器的大型数据集上实现演习模型，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-微软研究院开拓的打算网络工具包（CNTK），它作为一系列打算步骤，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，做事器用C++11编写，它使机器学习的状态易于事情，并随意马虎集成到现有运用程序；
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。
自然措辞处理
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措辞处理任务；
CRFsuite-条件随机域（CRFs）的实现，用于标记序列数据；
BLLIP Parser-BLLIP自然措辞解析器（也称为Charniak-Johnson解析器）；
colibri-core-是C++库、命令行工具，和Python绑定用于提取与利用基本的措辞构造，例如用快速和高效存储的办法实现n-grams和skipgrams模型；
ucto-是一种工具和C++库，基于支持各种措辞的编译器，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开拓的基于内存的NLP套件：POS标签、归类剖析、依存句法剖析、NER、浅层句法剖析、形态剖析；
MeTA-MeTA : ModErn 语篇剖析（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容许证V2.0协议授权，专门给语音识别的研究职员利用。
序列剖析
ToPS-这是一种面向工具的框架，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-蜕变算法；
cl-libsvm-LIBSVM支持向量机库的包装。
Clojure
自然措辞处理
Clojure-openNLP- Clojure中自然措辞处理的工具包（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程序措辞和PushGP遗传编程系统；
Infer- Clojure等分析和机器学习的工具；
Clj-ML- Clojure中基于Weka及其干系环境的深度学习库；
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中根本机器学习算法；
clortex-采取Numenta’s Cortical 学习算法的通用机器学习库；
comportex- 采取Numenta’s Cortical 学习算法的功能组合的机器学习库。
数据剖析/数据可视化
Incanter- Incanter是基于 Clojure，类似R的统计打算与制图平台；
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
自然措辞处理
go-porterstemmer- 一个用于实现Porter词干提取算法的原生Go措辞净室；
paicehusk- Go措辞中用于实现Paice/Husk词干提取算法；
snowball- Go措辞中的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措辞中的机器学习库；
go-pr- Go措辞中的模式识别包；
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措辞中朴素贝叶斯分类库；
go-galib-Go措辞版的遗传算法库；
Cloudforest- GO措辞中的决策树凑集；
gobrain- GO措辞版的神经网络；
GoNN- GoNN 是用Go措辞实现的神经网络，它包括BPNN、RBF、PCN；
MXNet- 轻量级、便携式、灵巧的分布式/深度学习系统，可对动态的、突变数据流调度支配，同时也支持Python、R、Julia、Go、Javascript 等编程措辞。
数据剖析/数据可视化
go-graph- Go措辞图形库；
SVGo- Go措辞的SVG天生库；
RF- Go措辞的随机森林库；
Haskell
通用机器学习
haskell-ml- Haskell 措辞实现的各种深度学习算法；
HLearn- 根据代数构造阐明其深度模型的库；
hnn- Haskell措辞的神经网络库；
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措辞（DSL）；
LambdaNet- Haskell中的可配置的神经网络。
Java
自然措辞处理
Cortical.io- 像人脑一样快速、精确处理繁芜的NLP（自然措辞处理）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供应的一系列的自然措辞处理工具，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- 一种自然措辞剖析器，可以剖析语句的语法构造；
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事情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，用于在树状数据构造中进行模式匹配（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，可以将文今年夜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韶光表达式的库；
Stanford SPIED-在种子集上利用模式，以迭代办法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剖析数据集的职员供应的主题建模工具；
Twitter Text Java- Java实现的推特文本处理库；
MALLET-基于Java的统计自然措辞处理、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运用包；
OpenNLP- 基于机器学习的自然措辞文本处理工具包；
LingPipe- 一个利用打算机措辞学文本处理的工具包；
ClearTK- 在Java中ClearTK为开拓统计措辞处理组件供应了一个框架，该框架是基于Apache UIMA；
Apache cTAKES- Apache cTAKES是一个开源自然措辞处理系统，用于从临床电子病历的自由文本中提取信息；
ClearNLP- ClearNLP工程为自然措辞处理供应了软件和资源供应了。该项目最早在打算机愈合和教诲研究中央启动，目前由Emory 大学的措辞和信息研究中央连续开拓。该项目遵照Apache 2license。
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运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、非常检测等等)；
Encog- 一种前辈的神经网络和机器学习框架。 Encog包含用于创建各种网络的类，同时也支持为神经网络规范和处理数据的类。它的演习采取多线程弹性传播。它也能利用GPU加快处理韶光。供应了图形化界面来帮助建模和演习神经网络。
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连到的条记本上进行分布式学习；
htm.java- 采取NumentaCortical 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凑集；
Mahout- 分布式的机器学习库；
Meka- MEKA供应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- 采取Apache Spark和Apache Kafka的Lambda 构造框架，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供应了接口；
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种别中；
SmileMiner- 统计机器智能与学习引擎；
SystemML- 灵巧、可扩展的机器学习措辞；
WalnutiQ- 人脑部分面向工具模型；
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。
数据剖析/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打算平台；
Hadoop- 大数据剖析平台；
Spark- Spark是一个快速通用的大规模数据处理引擎；
Storm- Storm是一个分布式实时打算系统；
Impala- 为Hadoop实现实时查询
DataMelt- 用于数字打算、统计、符号打算、数据剖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- 采取并行GPU的商用可扩展深度学习库。
数 Javascript
自然措辞处理
Twitter-text- Twitter文本处理库中利用JavaScript的实现；
NLP.js – 利用JavaScript和CoffeeScript的NLP实用工具；
natural – 用于节点的通用自然措辞工具；
Knwl.js – JS中的自然措辞处理器；
Retext-用于剖析和处理自然措辞的可扩展系统；
TextProcessing-情绪剖析，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- 浏览器中的自然措辞处理。
数据剖析/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的轻量级数据剖析框架；
science.js- JavaScript中的科学统计打算；
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 – 数据可视化和剖析的平台，利用可视化项目。
通用机器学习
Convnet.js- ConvNetJS是一个JavaScript库，用于演习深度学习模型[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-利用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的大略实现，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演习；
kalman - Javascript的卡尔曼滤波器；
shaman - Node.js库，同时支持大略和多元的线性回归；
ml.js –用于Node.js和浏览器的机器学习和数值剖析工具；
Pavlov.js -利用马尔可夫决策过程强化学习；
MXNet - 轻量级、便携式、灵巧的分布式/深度学习系统，可对动态的、突变数据流调度支配，同时也支持Python、R、Julia、Go、Javascript 等编程措辞。
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；用笔墨实现的JavaScript，没有依赖性，能在所有当代浏览器（包括IE）以及在node.js中事情；
regression-js – JavaScript库，包含小二乘法拟合方法的凑集，用于探求数据集的趋势；
Lyric -线性回归库；
GreatCircle – 打算大圆距的库。
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 - 正则判别剖析的Julia组件；
Regression - 回归剖析算法（例如线性回归和逻辑回归）；
Local Regression -局部回归，超级流畅！
Naive Bayes -Julia朴素贝叶斯方法的大略实现；
Mixed Models – 用于装置（统计）稠浊效应模型的Julia组件；
Simple MCMC –Julia实现基本的MCMC采样；
Distance -Julia间隔评估模块；
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）的贝叶斯剖析；
GLM –Julia的广义线性模型。
Online Learning
GLMNet – GMLNet的Julia包装版，适宜套索/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启示，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、灵巧的分布式/深度学习系统，可对动态的、突变数据流调度支配，同时也支持Python、R、Julia、Go、Javascript 等编程措辞。
Merlin -Julia灵巧的深度学习框架。
自然措辞处理
Topic Models –Julia下的主题模型；
Text Analysis –Julia下的文本分析包。
数据剖析/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的假设考验；
Gadfly –Julia 灵巧的统计制图法；
Stats –Julia的统计图考验；
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 - 概率分布和干系函数的Julia包；
Data Arrays - 许可缺失落值的数据构造；
Time Series –Julia的韶光序列工具包；
Sampling -Julia的基本采样算法。
其他项/展示
DSP -数字旗子暗记处理（滤波，周期图，频谱图，窗函数）；
JuliaCon Presentations – JuliaCon的演示文稿；
SignalProcessing –Julia写的旗子暗记处理工具；
Images –Julia的图像库。
若想获取“史上最全机器学习资料（上）”的全部内容，请关注云栖社区微信"大众号：yunqiinsight，并回答“史上最全机器学习资料”。
