詳解11個(gè)機器學(xué)習開(kāi)源項目

隨著(zhù)機器學(xué)習越來(lái)越受到開(kāi)發(fā)者關(guān)注，出現了很多機器學(xué)習的開(kāi)源項目，在本文列舉的11個(gè)機器學(xué)習開(kāi)源項目中，無(wú)論你是Java愛(ài)好者還是Python狂人，在這里你都可以找到自己想要的機器學(xué)習開(kāi)源項目。

垃圾郵件過(guò)濾、人臉識別、推薦引擎——當你有一個(gè)大數據集并且希望利用它們執行預測分析和模式識別，機器學(xué)習是必經(jīng)之路。這門(mén)科學(xué)，計算機可以在沒(méi)有事先規劃的前提下自主學(xué)習、分析和操作數據，現在越來(lái)越多的開(kāi)發(fā)人員關(guān)注機器學(xué)習。

機器學(xué)習技術(shù)的興起不僅是因為硬件成本越來(lái)越便宜以及性能越來(lái)越強大，促使機器學(xué)習在單機或大規模集群上輕松部署的免費軟件激增也是重要因素。機器學(xué)習庫的多樣性意味著(zhù)無(wú)論你喜歡什么語(yǔ)言或環(huán)境，都有可能是獲得你喜歡的。

1. Scikit-learn

Python由于其易用性以及豐富的函數庫，已經(jīng)成為數學(xué)、自然科學(xué)和統計學(xué)的首選編程語(yǔ)言。Scikit-learn通過(guò)在現有Python包上構建——NumPy SciPy和matplotlib——服務(wù)于數學(xué)和自然科學(xué)。生成的庫要么可以使用交互式“工作臺”應用程序，要么被嵌入到其他軟件和重用。工具箱可以在BSD許可下獲取，所以它是完全開(kāi)放和可重用的。

2. Shogun

在最古老、最值得尊敬的機器學(xué)習庫中，Shogun創(chuàng )建于1999年，用C++編寫(xiě)，但并不限于在C++工作。由于SWIG庫，Shogun可以輕松在Java、Python、C#、Ruby、R、Lua、Octave、Matlab語(yǔ)言和環(huán)境下使用。

雖然德高望重，Shogun也有其他的競爭者。另一個(gè)基于C++的機器學(xué)習庫Mlpack在2011年出現，它宣稱(chēng)比其他競爭者速度更快并且更容易使用(一個(gè)更完整的API集)。

3. Accord Framework/AForge.net

Accord，一個(gè).Net的機器學(xué)習和信號處理框架，是早前類(lèi)似一個(gè)項目AForge.net的擴展。順便說(shuō)一下，“信號處理”這里是指一系列對圖像和音頻的機器學(xué)習算法，如圖片無(wú)縫縫合或執行人臉檢測。包含一組視覺(jué)處理算法;它作用于圖像流(如視頻)，并且可用于實(shí)現移動(dòng)對象的跟蹤等功能。Accord還提供一個(gè)從神經(jīng)網(wǎng)絡(luò )到?jīng)Q策樹(shù)系統的機器學(xué)習常見(jiàn)庫。

4. Mahout

Mahout框架一直與Hadoop相關(guān)聯(lián)，但旗下很多算法還可以脫離Hadoop運行。他們對那些可能最終遷移到Hadoop上的應用程序或從Hadoop上剝離成為獨立應用程序的項目非常有用。

Mahout缺點(diǎn)之一：目前幾乎沒(méi)有算法支持高性能的Spark框架，反而使用日益過(guò)時(shí)的MapReduce框架。該項目目前不接受基于MapReduce的算法，那些想要獲得更高性能的開(kāi)發(fā)者轉而用MLlib 替代。

5. MLlib

Apache自己的Spark和Hadoop機器學(xué)習庫，旨在為大規模和高速度而設計的MLlib自稱(chēng)擁有所有常見(jiàn)的算法和有用數據類(lèi)型。與任何Hadoop項目一樣，Java是MLlib上的基本語(yǔ)言，但是Python用戶(hù)可以用MLlib NumPy庫連接(也用于scikit-learn)，并且Scala用戶(hù)可以針對MLlib編寫(xiě)代碼。如果不能設置一個(gè)Hadoop集群，MLlib可以在沒(méi)有Hadoop的情況下部署在Spark上——以及在EC2或Mesos上。

6. H2O

0xdata H2O的算法是面向業(yè)務(wù)流程——欺詐或趨勢預測。Hadoop專(zhuān)家可以使用Java與H2O相互作用，但框架還提供了對Python、R以及Scala的捆綁。

7. Cloudera Oryx

另一個(gè)為Hadoop設計的機器學(xué)習項目Oryx由?Cloudera Hadoop distribuTIon?創(chuàng )造者提供。Oryx是為了允許機器學(xué)習模型部署在實(shí)時(shí)流數據上而設計的，如實(shí)時(shí)垃圾郵件過(guò)濾器或推薦引擎。

該項目的全新版本暫時(shí)定名為Oryx 2，目前正在準備階段。它使用Apache項目如Spark 和 Kafka實(shí)現更高性能，其組件構建走松散耦合路線(xiàn)以便能經(jīng)得住時(shí)間考驗。

8. GoLearn

谷歌的Go語(yǔ)言已經(jīng)開(kāi)始被廣泛使用，隨著(zhù)庫越來(lái)越多，據其開(kāi)發(fā)者Stephen Witworth介紹，GoLearn被構建為Go語(yǔ)言的一體化的機器學(xué)習庫，目標是“簡(jiǎn)單可定制”。簡(jiǎn)單主要是由于數據在庫內被加載和處理，因為它是仿照SciPy 和R;可定制性在于庫的開(kāi)放源碼特性以及一些數據結構可以很容易地在一個(gè)應用程序中擴展。Witworth也為Vowpal Wabbit庫創(chuàng )建了一個(gè)包裝器，其中一個(gè)庫存放在Shogun工具箱中。

9. Weka

Weka是新西蘭Waikato大學(xué)開(kāi)發(fā)的，收集一組專(zhuān)門(mén)為數據挖掘設計的Java機器學(xué)習算法。這組GNU得到 GPLv3許可的集有一個(gè)包系統擴展其功能，有官方和非官方包兩種。Weka甚至還有專(zhuān)門(mén)一本書(shū)解釋其軟件和實(shí)戰技術(shù)，所以那些想要在概念和軟件上取得優(yōu)勢的開(kāi)發(fā)者可以關(guān)注下。

雖然Weka并不是專(zhuān)門(mén)針對Hadoop用戶(hù)，但是Weka的最新版本的一組封裝器可以用于Hadoop。請注意，它還不能支持Spark，只有MapReduc。Clojure用戶(hù)還可以通過(guò)?Clj-ml??庫利用Weka。

10. CUDA-Convnet

現在大多數人都知道GPU在處理某些問(wèn)題上的速度比CPU快。但應用程序不會(huì )自動(dòng)利用GPU的加速功能;他們必須明確通過(guò)程序寫(xiě)入。CUDA-Convne是一個(gè)神經(jīng)網(wǎng)絡(luò )應用程序機器學(xué)習庫，用C++編寫(xiě)來(lái)開(kāi)發(fā)Nvidia的CUDA GPU處理技術(shù)。對于那些使用Python而不是C++用戶(hù)，由此產(chǎn)生的神經(jīng)網(wǎng)絡(luò )可以保存為Python pickle對象，因此可以從Python存取。

注意，原始版本的項目不再被開(kāi)發(fā)，但是已經(jīng)被重組為CUDA-Convnet2，支持多個(gè)GPU和Kepler-generaTIon GPU。與之類(lèi)似的項目Vulpes，已經(jīng)用F#編寫(xiě)，并且通常和.Net框架一起使用。

11. ConvNetJS

顧名思義，ConvNetJS 是一個(gè)基于 js 的深度學(xué)習 library，可以讓你在瀏覽器中訓練深度網(wǎng)絡(luò )。NPM版本也可用于那些使用Node.js的用戶(hù)，并且這個(gè)庫也是為合理使用JavaScript的異步性而設計，例如，一旦他們完成訓練操作可以給出一個(gè)回調函數來(lái)執行。里面還包含大量的演示案例。