本文主要向大家介绍了机器学习入门之史上最全的机器学习资料，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。    

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。

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；

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！