满满的干货：机器学习资料（二）

大侠好，欢迎来到FPGA技术江湖，江湖偌大，相见即是缘分。大侠可以关注FPGA技术江湖，在“闯荡江湖”、"行侠仗义"栏里获取其他感兴趣的资源，或者一起煮酒言欢。

今天给大侠带来机器学习资料（二），第二篇带来通用机器学习、数据分析/数据可视化、Javascript自然语言处理、数据分析/数据可视化、通用机器学习、Julia通用机器学习的各种库以及各种资料链接推荐，满满的干货，话不多说，上货。

通用机器学习

• MLlib in Apache Spark—Spark中的分布式机器学习程序库 http://spark.apache.org/docs/latest/mllib-guide.html
• Mahout —分布式的机器学习库 https://github.com/apache/mahout
• Stanford Classifier —斯坦福大学的分类器 https://nlp.stanford.edu/software/classifier.shtml
• Weka—Weka是数据挖掘方面的机器学习算法集 https://www.cs.waikato.ac.nz/ml/weka/
• ORYX—提供一个简单的大规模实时机器学习/预测分析基础架构 https://github.com/cloudera/oryx

神圣分割线

数据分析/数据可视化

• Hadoop—大数据分析平台 https://github.com/apache/hadoop-mapreduce
• Spark—快速通用的大规模数据处理引擎 https://github.com/apache/spark
• Impala —为Hadoop实现实时查询 https://github.com/cloudera/impala

神圣分割线

Javascript自然语言处理

• Twitter-text-js —JavaScript实现的推特文本处理库 https://github.com/twitter/twitter-text-js
• NLP.js —javascript及coffeescript编写的NLP工具 https://github.com/nicktesla/nlpjs
• natural—Node下的通用NLP工具 https://github.com/NaturalNode/natural
• Knwl.js—JS编写的自然语言处理器 https://github.com/loadfive/Knwl.js

神圣分割线

数据分析/数据可视化

• D3.js https://d3js.org
• High Charts https://www.highcharts.com
• NVD3.js http://nvd3.org
• dc.js http://dc-js.github.io/dc.js/
• chartjs https://www.chartjs.org
• dimple http://dimplejs.org
• amCharts http://www.amcharts.com/

神圣分割线

通用机器学习

• Convnet.js—训练深度学习模型的JavaScript库 https://cs.stanford.edu/people/karpathy/convnetjs/
• Clustering.js—用JavaScript实现的聚类算法，供Node.js及浏览器使用 https://github.com/tixz/clustering.js
• Decision Trees—Node.js实现的决策树，使用ID3算法 https://github.com/serendipious/nodejs-decision-tree-id3
• Node-fann —Node.js下的快速人工神经网络库 https://github.com/rlidwka/node-fann
• Kmeans.js—k-means算法的简单Javascript实现，供Node.js及浏览器使用 https://github.com/tixz/kmeans.js
• LDA.js —供Node.js用的LDA主题建模工具 https://github.com/primaryobjects/lda
• Learning.js—逻辑回归/c4.5决策树的JavaScript实现 https://github.com/yandongliu/learningjs
• Machine Learning—Node.js的机器学习库 http://joonku.com/project/machine_learning
• Node-SVM—Node.js的支持向量机 https://github.com/nicolaspanel/node-svm
• Brain —JavaScript实现的神经网络 https://github.com/harthur/brain
• Bayesian-Bandit —贝叶斯强盗算法的实现，供Node.js及浏览器使用 https://github.com/omphalos/bayesian-bandit.js

神圣分割线

Julia通用机器学习

• PGM—Julia实现的概率图模型框架 https://github.com/JuliaStats/PGM.jl
• DA—Julia实现的正则化判别分析包 https://github.com/trthatcher/DA.jl
• Regression—回归分析算法包（如线性回归和逻辑回归） https://github.com/lindahua/Regression.jl
• Local Regression —局部回归，非常平滑 https://github.com/dcjones/Loess.jl
• Naive Bayes —朴素贝叶斯的简单Julia实现 https://github.com/nutsiepully/NaiveBayes.jl
• Mixed Models —（统计）混合效应模型的Julia包 https://github.com/dmbates/MixedModels.jl
• Simple MCMC —Julia实现的基本mcmc采样器 https://github.com/fredo-dedup/SimpleMCMC.jl
• Distance—Julia实现的距离评估模块 https://github.com/JuliaStats/Distance.jl
• Decision Tree —决策树分类器及回归分析器 https://github.com/JuliaStats/Distance.jl
• Neural —Julia实现的神经网络 https://github.com/compressed/neural.jl
• MCMC —Julia下的MCMC工具 https://github.com/doobwa/MCMC.jl
• GLM —Julia写的广义线性模型包 https://github.com/JuliaStats/GLM.jl
• Online Learning https://github.com/lendle/OnlineLearning.jl
• GLMNet —GMLNet的Julia包装版，适合套索/弹性网模型 https://github.com/simonster/GLMNet.jl
• Clustering—数据聚类的基本函数：k-means, dp-means等 https://github.com/JuliaStats/Clustering.jl
• SVM—Julia下的支持向量机 https://github.com/JuliaStats/SVM.jl
• Kernal Density—Julia下的核密度估计器 https://github.com/JuliaStats/KernelDensity.jl
• Dimensionality Reduction—降维算法 https://github.com/JuliaStats/DimensionalityReduction.jl
• NMF —Julia下的非负矩阵分解包 https://github.com/JuliaStats/NMF.jl
• ANN—Julia实现的神经网络 https://github.com/EricChiang/ANN.jl

神圣分割线

今天带来的资料到此结束，明日继续带来第三篇。大侠，有缘再见！

END

后续会持续更新，带来Vivado、 ISE、Quartus II 、candence等安装相关设计教程，学习资源、项目资源、好文推荐等，希望大侠持续关注。

大侠们，江湖偌大，继续闯荡，愿一切安好，有缘再见！