标签：... 机器 超全 http 学习 算法 https Java

你是一名希望开始或者正在学习机器学习的Java程序员吗？

利用机器学习编写程序是最佳的学习方式。你可以从头开始编写算法，但是利用现有的开源库，你可以取得更大的进步。

本文介绍了主要的平台和开放源码的机器学习库。你可以使用这些机器学习库。

环境

本节描述了用于机器学习的Java环境或工作域。它们提供了用于执行机器学习任务的图形用户界面，还提供了用于开发自己应用程序的Java API。

• WEKA

怀卡托环境知识分析(Weka)( https:// www.cs.waikato.ac.nz/ml/weka/)是一个由新西兰怀卡托大学开发的机器学习平台。提供Java的图形用户接口，命令行接口和Java API接口。它可能是最流行的Java机器学习库，也是开始或练习机器学习的好地方。

 

• KNIME

康斯坦茨信息挖掘(KNIME)(https://www.knime. com/)是德国康斯坦茨大学开发的一个分析和报告平台。它的研发重点是药物研究，但已扩展到一般商业智能。它提供一个图形用户接口（基于Eclipse）和Java API。

 

• 快速挖掘

快速挖掘（https://rapidminer.com/）由德国多特蒙德应用技术大学研发。它提供了一个GUI和一个Java API来开发自己的应用程序。还提供了数据处理、可视化和建模的机器学习算法。

 

• ELKI

ELKI是一个用于开发由索引结构支持的KDD-应用程序的环境（https://elki-project.github.io/），它是由德国慕尼黑的路德维希马克西米利安大学用Java语言开发的一款数据挖掘工作平台。它的重点是在关系型数据库中处理数据，例如异常值检测和分类(基于距离函数方法)。它提供了一个迷你GUI、命令行接口和Java API。JAVA学习交流和资源分享，网站及路线图等其他问题，进入社区【点我进入】

 

库

其实本文列出的每个项目都带有Java API库。不过在这一节中列出的这些项目仅提供了一个Java API。从狭义上来说，它们是机器学习库。

• Java-ML

Java机器学习库(Java-ML)(http://java-ml.sourceforge.net/)提供了在Java中实现的机器学习算法的集合。它为每一种算法提供了标准接口，没有UI（用户界面），也没有引用相关的科学文献来进一步阅读。它包括数据操作、群集、特性选择和分类的方法。值得注意的是，截止本文成稿为止，它的最新一个版本是在2012年。

• JSAT

Java统计分析工具(JSAT)（https://github.com /EdwardRaff/JSAT/tree/master）提供了一个纯Java语言实现的标准机器学习算法，用于解决中等规模的问题。JSAT的作者称他开发的这个库部分是为了进行自我学习，部分是为了完成工作。尽管如此，算法的列表还是令人印象深刻的。它包括分类、回归、合集、聚类和特征选择方法。

Java大数据项目

本节列出了适合大数据的Java项目，例如机器集群。

• Mahout (Hadoop)

Apache Mahout（https://mahout.apache.org/）提供了用于实现Apache Hadoop平台(分布式映射化简)的机器学习算法。该项目主要关注集群和分类算法，一个流行的应用程序驱动实现是它在推荐系统的协作筛选中使用。还包括在单个节点上运行算法的引用实现。

• MLlib (Spark)

Apache机器学习库（MLlib）（http://spark. apache.org/mllib/）提供了用于Apache Spark平台(HDFS，而不是映射化简)机器学习算法的实现。尽管Java库和平台支持Java、Scala和Python绑定。这个库是新的，算法的列表很短，但是增长很快。

• MOA

大规模在线分析(MOA)(https://moa.cms. waikato.ac.nz/)是一个开源平台，由新西兰怀卡托大学的数据流挖掘设计。和Weka相同（开发在相同的地方），提供一个GUI，命令行接口和Java API。它提供了一长串的算法，重点是分类和支持离群检测，解决概念漂移。MOA使用先进的数据挖掘和机器学习系统(ADAMS)（https://adams.cms.waikato.ac.nz/）管理工作流，开发也在相同的地方。

• SAMOA

可扩展的高级在线分析(SAMOA)（http://samoa-project.net/）是一个由雅虎开发的分布式流媒体机器学习框架。它的设计运行在Apache Storm 和 Apache S4上。系统可以利用MOA项目提供的算法来完成分类等任务。

自然语言处理

本节将致力于Java库和项目，用于解决来自机器学习的子领域的问题，称之为自然语言处理（NLP）。

自然语言处理不是我的领域，所以我仅仅指出关键的库。

• OpenNLP: Apache OpenNLP（http://opennlp. apache.org/）是处理自然语言文本的工具包，它为诸如标记化、分割和实体提取等自然语言处理任务提供了方法。

• LingPipe：LingPipe（http://alias-i.com/lingpipe/）是计算语言学的一个工具包，包括了主题分类、实体提取、聚类和情绪分析的方法。

• GATE: 文本工程一般结构（GATE）（http://gate.ac.uk/）是一个开源的用于文本处理的库。它提供了针对不同用例子项目的数组。

• MALLET：机器学习语言工具包(MALLET)( http://mallet.cs.umass.edu/)是一种Java工具包，用于统计自然语言处理、文档分类、集群、主题建模和信息提取。

计算机视觉

本节列出了机器学习子领域库，称之为计算机视觉（VC）。

计算机视觉不是我熟悉的领域，所以我仅仅指出关键的库。

• BoofCV：BoofCV（http://boofcv.org/index.php?title=Main_Page）是一个用于计算机视觉和机器人应用的开放源码库。它支持图像处理、特征、几何视觉、校准、识别和图像数据输入等功能。

深度学习

随着深度学习方法和硬件的快速发展，神经网络又重新流行起来。本节列出了用于处理神经网络和深度学习的关键Java库。

• Encog：Encog（http://www.heatonresearch.com/encog）是一个机器学习库，提供了诸如SVM、经典神经网络、遗传编程、贝叶斯网络、HMM和遗传算法的算法。

• Deeplearning4j：Deeplearning4j（http://deeplearning4j.org/）被认为是一个用Java编写的商业级的深度学习库。它被描述为与Hadoop兼容并提供了一些算法，包括受限的Boltzmann机，深层的信念网络和堆叠的降噪自动编码器。

标签：...,机器,超全,http,学习,算法,https,Java
来源： https://blog.csdn.net/dashujujiagoushi/article/details/105777014

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。