【陆勤践行】机器学习开源项目

机器学习是目前数据分析领域的一个热点内容，在平时的学习和生活中经常会用到各种各样的机器学习算法。实际上，基于Python、Java等的很多机器学习算法基本都被前人实现过很多次了。这些算法在网上可以找到很多，然而往往存在很多“脏”或者“乱”的开源代码。

在这样的背景下， InfoWorld近日公布了机器学习领域11个最受欢迎的开源项目，这11个开源项目大多与垃圾邮件过滤、人脸识别、推荐引擎相关。它们大多数基于现今最流行的语言以及平台，推广以及扩展了机器学习领域的很多重要算法。从中，用户不但可以找到LDA等主题模型，也可以找到HMM等隐马尔科夫模型。这些模型都是应用领域的热点，也是研究者们最需要的。

1. Scikit-learn Scikit-learn是一个非常强大的Python机器学习工具包。它通过在现有Python的基础上构建了NumPy和Matplotlib，提供了非常便利的数学工具。这个工具包包括了很多简单且高效的工具，很适合用于数据挖掘和数据分析。 在主页中，可以看到User Guide，这是整个机器学习的索引，其中用户可以学到各种有效的方法。在Reference里，用户可以找到各个类具体的用法索引。
2. Shogun Shogun是一个基于C++的最古老的机器学习开源库，它创建于1999年。作为一个SWIG库，Shogun可以轻松地嵌入Java、Python、C#等主流处理语言中。它的重点在于大尺度上的内核方法，特别是“支持向量机”的学习工具箱。其中，它包括了大量的线性方法，如LDA、LPM、HMM等等。
3. Accord Framework/AForge.net Accord是AForge.net的扩展，是一个基于.Net的机器学习与信号处理框架。它包括了一系列的对图像和音频的机器学习算法，如人脸检测、SIFT拼接等等。同时，Accord支持移动对象的实时跟踪等功能。它提供了一个从神经网络到决策树系统的机器学习库。
4. Mahout Mahout是一个广为人知的开源项目，它是Apache Software旗下的一个开源项目，提供了众多的机器学习经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。Mahout内包含了聚类、分类、推荐等很多经典算法，并且提供了很方便的云服务的接口。
5. MLlib MLlib是Apache自己的Spark和Hadoop机器学习库，它被设计用于大规模高速度地执行MLlib所包含的大部分常见机器学习算法。MLlib是基于Java开发的项目，同时可以方便地与Python等语言对接。用户可以自己设计针对MLlib编写代码，这是很具有个性化的设计。
6. H2O H2O是0xdata的旗舰产品，是一款核心数据分析平台。它的一部分是由R语言编写的，另一部分是由Java和Python语言编写的。用户可以部署H2O的R程序安装包，之后就可以在R语言环境下运行了。H2P的算法是面向业务欺诈活着趋势预测的，目前正在新一轮的融资中。
7. Cloudera Oryx Oryx也是由Hadoop所设计的机器学习开源项目，由Cloudera Hadoop Distribution的创造者所提供。Oryx能够让机器学习的模型使用在实时的数据流上，如垃圾邮件过滤等。
8. GoLearn GoLearn是谷歌所构建的Go语言的一体化机器学习库，目标是简单并且可定制。Go语言是谷歌的主打语言，目前使用已经越来越广泛。GoLearn的简单在于数据在库内被加载和处理，因此能够可定制地扩展数据结构以源码。
9. Weka >Weka是使用Java开发的用户数据挖掘的开源项目。Weka作为一个公开的数据挖掘工作平台，集合了大量能够承担数据挖掘人物的机器学习算法，包括了对数据进行预处理、分类、回归、聚类等等。同时，Weka实现了对大数据的可视化，通过Java设计的新式交互界面上，实现人与程序的交互。
10. CUDA-Convnet CUDA是我们众所周知的GPU加速套件。而CUDA-Convnet是一个基于GPU加速的神经网络应用程序机器学习库。它使用C++编写，并且使用了NVidia的CUDA GPU处理技术。 目前，这个项目已经被重组成为CUDA-Convnet2，支持多个GPU和Kepler-generation GPUs. Vuples项目与之类似，使用F#语言编写，并且适用于.Net平台上。
11. ConvNetJS ConvNetJS是一款基于JavaScript的在线深度学习库，它提供了在线的深度学习训练方式。它能够帮助深度学习的初学者更快、更加直观的理解算法，通过一些简单的Demo给用户最直观的解释。

原文来源：http://www.infoq.com/cn/news/2014/12/11-machine-learning-project