除了 Python ,这些语言写的机器学习项目也很牛(二)
2019獨(dú)角獸企業(yè)重金招聘Python工程師標(biāo)準(zhǔn)>>>
Python 由于本身的易用優(yōu)勢(shì)和強(qiáng)大的工具庫(kù)儲(chǔ)備,成為了在人工智能及其它相關(guān)科學(xué)領(lǐng)域中最常用的語(yǔ)言之一。尤其是在機(jī)器學(xué)習(xí),已然是各大項(xiàng)目最偏愛的語(yǔ)言。
其實(shí)除了?Python ,也不乏有開發(fā)者用其他語(yǔ)言寫出優(yōu)秀的機(jī)器學(xué)習(xí)項(xiàng)目。在上期的文章中(除了 Python ,這些語(yǔ)言寫的機(jī)器學(xué)習(xí)項(xiàng)目也很牛(一)),我們已經(jīng)列了一些其他語(yǔ)言(C、C++、Go、Java、Javascript)值得關(guān)注的開源機(jī)器學(xué)習(xí)項(xiàng)目,本期將針對(duì) PHP、Ruby、Objective C、Swift、Scala 進(jìn)行補(bǔ)全,同時(shí)應(yīng)上期留言要求,在文末列了一些 .NET 平臺(tái)上的機(jī)器學(xué)習(xí)項(xiàng)目。
1、PHP
PHP-ML?—— 機(jī)器學(xué)習(xí)庫(kù)
PHP-ML?是 PHP 的機(jī)器學(xué)習(xí)庫(kù),同時(shí)包含算法、交叉驗(yàn)證、神經(jīng)網(wǎng)絡(luò)、預(yù)處理、特征提取等多種特性。要求 PHP 版本 > = 7.0 。
PHP-ML 提供的機(jī)器學(xué)習(xí)算法包括:關(guān)聯(lián)規(guī)則學(xué)習(xí)(Apriori 算法)、分類器(SVC、KNN、貝葉斯)、回歸(最小二乘線性回歸、支持向量回歸)、聚類(KMeans、基于密度的聚類算法)、矩陣運(yùn)算相關(guān)(準(zhǔn)確率、混肴矩陣、與分類相關(guān)的結(jié)論如精確度、召回率、F1 值、支持率)、模型運(yùn)算管道(Pipeline)、神經(jīng)網(wǎng)絡(luò)(多層感知機(jī))等。
2、Ruby
Treat ——自然語(yǔ)言處理框架
Treat?是一個(gè)自然語(yǔ)言處理和計(jì)算語(yǔ)言學(xué)的工具包。Treat 項(xiàng)目旨在為 Ruby 構(gòu)建一個(gè)語(yǔ)言和算法均不可知的 NLP 框架,支持文檔檢索、文本分塊、分段和標(biāo)記化等任務(wù),自然語(yǔ)言解析,詞性標(biāo)注,關(guān)鍵字提取和命名實(shí)體識(shí)別。
Classifier —— 通用分類器模塊
Classifier?是可用貝葉斯算法及其他分類法的通用分類器模塊。貝葉斯分類器的分類原理是通過(guò)某對(duì)象的先驗(yàn)概率,利用貝葉斯公式計(jì)算出其后驗(yàn)概率,即該對(duì)象屬于某一類的概率,選擇具有最大后驗(yàn)概率的類作為該對(duì)象所屬的類,具有準(zhǔn)確、快速、內(nèi)存要求適當(dāng)?shù)忍攸c(diǎn)。
3、Objective C
MLPNeuralNet?——?多層感知器
MLPNeuralNet 是適用于 iOS 和 Mac OS X 的快速多層感知器神經(jīng)網(wǎng)絡(luò)庫(kù)。它使用矢量操作和硬件加速(如果可用)構(gòu)建在蘋果加速框架之上,通過(guò)訓(xùn)練有素的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)新的示例。
4、Swift
Bender?—— 機(jī)器學(xué)習(xí)框架
Bender 是 MetalPerformanceShaders 之上的一個(gè)抽象層(abstraction layer),可用于操作神經(jīng)網(wǎng)絡(luò),旨在更輕松地在 iOS 上運(yùn)行預(yù)訓(xùn)練的網(wǎng)絡(luò)。它可以讓你輕松使用卷積、池化、全連接和一些規(guī)范化等最常見的層,從而輕松地定義和運(yùn)行神經(jīng)網(wǎng)絡(luò)。
目前 Bender 有一個(gè)用于 TensorFlow 的適配器(adapter),其可以加載帶有變量的圖(graph),并將其「翻譯」成 Bender 的層(layer)。
Swift AI —— 深度學(xué)習(xí)庫(kù)
Swift AI 是一個(gè)完全由 Swift 編寫的高性能 AI 和機(jī)器學(xué)習(xí)庫(kù),包含用于人工智能和科學(xué)應(yīng)用的常用工具集,支持卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、遺傳算法庫(kù)、快速線性代數(shù)庫(kù)、信號(hào)處理庫(kù)等。這些工具采用先進(jìn)的并行處理技術(shù),專門針對(duì) iOS 和 OS X 硬件進(jìn)行了優(yōu)化,目前支持所有的 Apple 平臺(tái),并計(jì)劃推出 Linux 版本支持。
5、Scala
Breeze ——?數(shù)值處理庫(kù)
Breeze?是一個(gè)數(shù)值處理庫(kù),是 ScalaNLP 的核心庫(kù),包括線性代數(shù)、數(shù)值計(jì)算和優(yōu)化,目標(biāo)是實(shí)現(xiàn)通用、干凈、強(qiáng)大,且不犧牲性能(高效)的機(jī)器學(xué)習(xí)方法。
ScalaNLP 包含 Breeze?和 Epic(一個(gè)高性能的統(tǒng)計(jì)解析器和結(jié)構(gòu)化預(yù)測(cè)庫(kù))。
BIDMach?——?機(jī)器學(xué)習(xí)庫(kù)
BIDMach 是一個(gè)速度非常快的機(jī)器學(xué)習(xí)庫(kù),支持邏輯回歸、K-means、矩陣分解、隨機(jī)森林、LDA 等。它是 BIDMat 的一個(gè)姊妹項(xiàng)目,BIDMat 是一個(gè)矩陣庫(kù)。
BIDMach 在一些評(píng)測(cè)中甚至跑出了比 Spark 還好的結(jié)果。
6、.NET
numl —— 機(jī)器學(xué)習(xí)框架
numl 是一個(gè)小巧的,包含比較多的機(jī)器學(xué)習(xí)算法類庫(kù),支持監(jiān)督式和非監(jiān)督式學(xué)習(xí)。支持很多常見的機(jī)器學(xué)習(xí)算法,包括 Cluster、KMeans、PCA、DecisionTree、KNN、NaiveBayes、NeuralNetwork 等學(xué)習(xí)算法,功能強(qiáng)大,同時(shí)也包括一些數(shù)值計(jì)算的實(shí)現(xiàn)。
Accord.NET —— 機(jī)器學(xué)習(xí)框架
Accord.NET 為 .NET 提供機(jī)器學(xué)習(xí)、統(tǒng)計(jì)、人工智能、計(jì)算機(jī)視覺和圖像處理方法。它可以在 Microsoft Windows、Xamarin、Unity3D、Windows Store 應(yīng)用,Linux 和移動(dòng)設(shè)備上使用。
在與 AForge.NET 項(xiàng)目合并之后,該框架現(xiàn)在提供了一個(gè)用于學(xué)習(xí)/訓(xùn)練機(jī)器學(xué)習(xí)模型的統(tǒng)一 API ,其易于使用和可擴(kuò)展。
轉(zhuǎn)載于:https://my.oschina.net/editorial-story/blog/1068830
總結(jié)
以上是生活随笔為你收集整理的除了 Python ,这些语言写的机器学习项目也很牛(二)的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇: DDR线长匹配与时序
- 下一篇: python面向对象编程之组合