網上有很多關于瀏覽器pos機,史上最全的機器學習資料的知識，也有很多人為大家解答關于瀏覽器pos機的問題，今天pos機之家(www.tonybus.com)為大家整理了關于這方面的知識，讓我們一起來看下吧!
本文目錄一覽：
1、瀏覽器pos機
瀏覽器pos機
機器學習(Machine Learning, ML)是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。機器學習牽涉的編程語言十分之廣，包括了MATLAB、Julia、R、Perl、Python、Clojure、Ruby等等。
為了讓開發者更加廣泛、深入地了解機器學習，云棲社區組織翻譯了GitHub Awesome Machine Learning 資源，涵蓋24種編程語言的機器學習的框架、庫以及其他相關資料。
目錄
C
通用機器學習
計算機視覺
C++
計算機視覺
通用機器學習
自然語言處理
序列分析
手勢識別
Common Lisp
通用機器學習
Clojure
自然語言處理
通用機器學習
數據分析 /數據可視化
Erlang
通用機器學習
Go
自然語言處理
通用機器學習
數據分析 /數據可視化
Haskell
通用機器學習
Java
自然語言處理
通用機器學習
數據分析 /數據可視化
深度學習
Javascript
自然語言處理
數據分析 /數據可視化
通用機器學習
其他
Julia
通用機器學習
自然語言處理
數據分析/數據可視化
其他項 /展示
Lua
通用機器學習
示例和腳本
Matlab
計算機視覺
自然語言處理
通用機器學
數據分析 / 數據可視化
.NET
計算機視覺
自然語言處理
通用機器學習
數據分析 /數據可視化
Objective C
通用機器學習
OCaml
通用機器學習
PHP
自然語言處理
通用機器學習
Python
計算機視覺
自然語言處理
通用機器學習
數據分析 /數據可視化
雜項腳本/ iPython筆記 /源碼庫
Kaggle競賽源碼
Ruby
自然語言處理
通用機器學習
數據分析 /數據處理
雜項
Rust
通用機器學習
R
通用機器學習
數據分析 /數據可視化
SAS
通用機器學習
數據分析 /數據可視化
高性能機器學習（MPP）
自然語言處理
示例和腳本
Scala
自然語言處理
數據分析 /數據可視化
通用機器學習
Swift
通用機器學習
Credits
C
通用機器學習
Recommender- 一個C語言庫，利用協同過濾（CF）進行產品推薦/建議；
Darknet -是一個用C和CUDA編寫的開源神經網絡框架，它速度快，易于安裝，并支持CPU和GPU計算。
計算機視覺
CCV -基于C語言、高速緩存的核計算機視覺庫，是一個現代化的計算機視覺庫；
VLFeat -開放、可便攜的計算機視覺算法庫，內有matlab工具箱。
語音識別
HTK-隱馬爾可夫模型工具包（HTK）是一個便攜式工具包，用于構建和操作隱馬爾可夫模型。
C++
計算機視覺
OpenCV-OpenCV自帶C ++、C、Python、Java和MATLAB接口，并支持Windows、Linux、Android版和Mac OS等系統；
DLib-DLib有C ++和Python接口，用于人臉檢測和訓練通用的目標探測器；
EBLearn-Eblearn是一種面向對象的C++庫，能夠實現各種機器學習模型；
VIGRA-VIGRA是通用跨平臺的C++計算機視覺和機器學習庫，能夠用Python綁定任意維度的體積。
通用機器學習
mlpack-可擴展的C++機器學習庫；
DLib-ML工具套件，能夠很容易嵌入到其他應用程序中；
encog-cpp
shark
Vowpal Wabbit (VW)-一個快速的核外（out-of-core）學習系統；
sofia-ml-快速增量算法套件；
Shogun-Shogun機器學習工具箱；
Caffe-基于清潔度、可讀性和速度考慮而開發的深度學習框架。[深度學習]
CXXNET-另一個深度學習框架，其核心代碼少于1000行；[深度學習]
XGBoost-一種并行、優化、通用的梯度推進庫；
CUDA-利用C++ / CUDA快速實現卷積；[深度學習]
Stan-一種概率性的編程語言，能夠實現Hamiltonian Monte Carlo抽樣的全貝葉斯統計推斷；
BanditLib-一個簡單、有多重保護的Bandit庫；
Timbl：一個軟件包/ C ++庫，能夠實現多種基于內存的學習算法，其中有IB1-IG--k-最近鄰分類的實現、IGTree--IB1-IG的決策樹近似值；常用于NLP；
Disrtibuted Machine learning Tool Kit (DMTK) -微軟開發的分布式機器學習（參數服務器）框架，能夠在多臺機器的大型數據集上實現訓練模型，與它捆綁的現有工具包括：LightLDA和分布式（多傳感）字嵌入；
igraph-通用圖形庫；
Warp-CTC-在CPU和GPU上快速并行地實現連接時域分類（Connectionist Temporal Classification，CTC）；
CNTK-微軟研究院開發的計算網絡工具包（CNTK），它作為一系列計算步驟，通過有向圖來描述神經網絡，是統一的深度學習工具包；
DeepDetect-一個機器學習API，服務器用C++11編寫，它使機器學習的狀態易于工作，并容易集成到現有應用程序；
Fido-一個高度模塊化的C++機器學習庫，用于嵌入式電子產品和機器人中。
自然語言處理
MIT Information Extraction Toolkit-C，C ++和Python的工具，用于命名實體識別與關系抽??；
CRF++-條件隨機域（Conditional Random Fields，CRFs）的開源實現，用于分割/標記序列數據及其他自然語言處理任務；
CRFsuite-條件隨機域（CRFs）的實現，用于標記序列數據；
BLLIP Parser-BLLIP自然語言解析器（也稱為Charniak-Johnson解析器）；
colibri-core-是C++庫、命令行工具，和Python綁定用于提取與使用基本的語言結構，例如用快速和高效存儲的方式實現n-grams和skipgrams模型；
ucto-是一種工具和C++庫，基于支持各種語言的編譯器，內含統一字符標準及規則表達式；支持FoLiA格式；
libfolia-支持FoLiA格式的C++庫；
frog-為Dutch開發的基于內存的NLP套件：POS標簽、歸類分析、依存句法分析、NER、淺層句法分析、形態分析；
MeTA-MeTA : ModErn 語篇分析（ModErn Text Analysis），是一個C++數據科學工具包，便于挖掘大文本數據。
語音識別
Kaldi-Kaldi是用于語音識別的工具包，用C++編寫，由Apache許可證V2.0協議授權，專門給語音識別的研究人員使用。
序列分析
ToPS-這是一種面向對象的框架，便于在用戶定義的字母序列中整合概率模型。
手勢檢測
grt-手勢識別工具包（GRT）是一個跨平臺、開源的C++機器學習庫，用于實時的手勢識別。
Common Lisp
通用機器學習
mgl-神經網絡（玻耳茲曼機，前饋和循環網絡）以及高斯過程；
mgl-gpr-演化算法；
cl-libsvm-LIBSVM支持向量機庫的包裝。
Clojure
自然語言處理
Clojure-openNLP- Clojure中自然語言處理的工具包（openNLP）；
Infections-clj- Clojure和Clojure中類似于Rails的inflection庫。
通用機器學習
Touchstone- Clojure A/B 測試庫；
Clojush- Clojure中的Push程序語言和PushGP遺傳編程系統；
Infer- Clojure中分析和機器學習的工具；
Clj-ML- Clojure中基于Weka及其相關環境的深度學習庫；
Encog- 在Clojure中封裝成Encog (v3) （專門研究神經網絡的機器學習框架）；
Fungp- Clojure中的遺傳編程實例庫；
Statistiker- Clojure中基礎機器學習算法；
clortex-采用Numenta’s Cortical 學習算法的通用機器學習庫；
comportex- 采用Numenta’s Cortical 學習算法的功能組合的機器學習庫。
數據分析/數據可視化
Incanter- Incanter是基于 Clojure，類似R的統計計算與制圖平臺；
PigPen- Clojure中的Map-Reduce；
Envision- 基于Statistiker和D3Clojure 數據可視化庫。
Erlang
通用機器學習
Disco- Erlang中的Map Reduce模型。
Go
自然語言處理
go-porterstemmer- 一個用于實現Porter詞干提取算法的原生Go語言凈室；
paicehusk- Go語言中用于實現Paice/Husk詞干提取算法；
snowball- Go語言中的Snowball 詞干提取器；
go-ngram-內存N-gram索引壓縮。
通用機器學習
Go Learn- Go語言中的機器學習庫；
go-pr- Go語言中的模式識別包；
go-ml- 線性/邏輯回歸、神經網絡、協同過濾和多元高斯分布；
bayesian- Go語言中樸素貝葉斯分類庫；
go-galib-Go語言版的遺傳算法庫；
Cloudforest- GO語言中的決策樹集合；
gobrain- GO語言版的神經網絡；
GoNN- GoNN 是用Go語言實現的神經網絡，它包括BPNN、RBF、PCN；
MXNet- 輕量級、便攜式、靈活的分布式/深度學習系統，可對動態的、突變數據流調度部署，同時也支持Python、R、Julia、Go、Javascript 等編程語言。
數據分析/數據可視化
go-graph- Go語言圖形庫；
SVGo- Go語言的SVG生成庫；
RF- Go語言的隨機森林庫；
Haskell
通用機器學習
haskell-ml- Haskell 語言實現的各種深度學習算法；
HLearn- 根據代數結構解釋其深度模型的庫；
hnn- Haskell語言的神經網絡庫；
hopfield-networks- Haskell中用于無監督學習的Hopfield網絡；
caffegraph- 一種用于深度神經網絡的領域特定語言（DSL）；
LambdaNet- Haskell中的可配置的神經網絡。
Java
自然語言處理
Cortical.io- 像人腦一樣快速、精確處理復雜的NLP（自然語言處理）操作（如消歧、分類、流文本過濾等操作）的Retina API；
CoreNLP- 斯坦福大學的CoreNLP提供的一系列的自然語言處理工具，該工具可以根據輸入原始英語文本，給出單詞的基本形式；
Stanford Parser- 一種自然語言分析器，可以分析語句的語法結構；
Stanford POS Tagger-一個詞性分類器 (POS Tagger）；
Stanford Name Entity Recognizer- Stanford NER是一個Java實現的名稱識別器；
Stanford Word Segmenter- 分詞器，很多NLP工作中都要用到的標準預處理步驟；
Tregex, Tsurgeon and Semgrex- Tregex基于樹關系以及節點匹配的正則表達式，用于在樹狀數據結構中進行模式匹配（名字是“tree regular expressions”的縮寫）；
Stanford Phrasal: 一個基于短語的翻譯系統
Stanford English Tokenizer- Stanford Phrasal 用Java寫成的最新的基于統計短語的機器翻譯系統；
Stanford Tokens Regex- 一個分解器，可以將文本大致分成一系列對應于“詞”的符號；
Stanford Temporal Tagger-SUTime是一個用于識別并標準化時間表達式的庫；
Stanford SPIED-在種子集上使用模式，以迭代方式從無標簽文本中進行學習實體；
Stanford Topic Modeling Toolbox- 為社會科學家及其他希望分析數據集的人員提供的主題建模工具；
Twitter Text Java- Java實現的推特文本處理庫；
MALLET-基于Java的統計自然語言處理、文檔分類、聚類、主題建模、信息提取以及其他機器學習的文本應用包；
OpenNLP- 基于機器學習的自然語言文本處理工具包；
LingPipe- 一個使用計算機語言學文本處理的工具包；
ClearTK- 在Java中ClearTK為開發統計語言處理組件提供了一個框架，該框架是基于Apache UIMA；
Apache cTAKES- Apache cTAKES是一個開源自然語言處理系統，用于從臨床電子病歷的自由文本中提取信息；
ClearNLP- ClearNLP工程為自然語言處理提供了軟件和資源提供了。該項目最早在計算機愈合和教育研究中心啟動，目前由Emory 大學的語言和信息研究中心繼續開發。該項目遵循Apache 2license。
通用機器學習
aerosolve- 是由Airbnb設計的定價建議系統的機器學習庫；
Datumbox-應對機器學習和統計應用快速發展的機器學習框架；
ELKI- 用于數據挖掘的Java工具包(無監督：聚類、異常檢測等等)；
Encog- 一種先進的神經網絡和機器學習框架。 Encog包含用于創建各類網絡的類，同時也支持為神經網絡規范和處理數據的類。它的訓練采用多線程彈性傳播。它也能使用GPU加快處理時間。提供了圖形化界面來幫助建模和訓練神經網絡。
EvA2- 包含遺傳算法、差分進化、協方差自適應進化策略等等的進化算法框架；
FlinkML in Apache Flink- Flink中的分布式機器學習庫；
H2O- 深度學習引擎，支持在Hadoop、Spark 或者通過R、Python、Scala 、REST/JSONML 的APIs連到的筆記本上進行分布式學習；
htm.java- 采用NumentaCortical 學習算法的通用機器學習庫 ；
java-deeplearning- Java、Clojure、Scala的分布式深度學習平臺；
JAVA-ML- 包含所有Java算法的通用接口的通用深度學習庫；
JSAT- 用于分類、回歸、聚類的機器學習算法集合；
Mahout- 分布式的機器學習庫；
Meka- MEKA提供了一個面向多標簽學習和評價方法的開源實現（擴展成Weka）；
MLlib in Apache Spark- Spark中的分布式機器學習程序庫；
Neuroph- Neuroph 是輕量級的Java神經網絡框架；
ORYX- 采用Apache Spark和Apache Kafka的Lambda 結構框架，專門用于實時大規模機器學習；
Samoa- SAMOA 是一個包含用于分布式機器學習數據流的框架，同時為數據流流入不同的流處理平臺提供了接口；
RankLib- RankLib是一個排序學習算法庫；
rapaio- Java中用于統計、數據挖掘和機器學習的工具箱；
RapidMiner- RapidMiner integration into Java code
Stanford Classifier- 斯坦福大學分類器是一種機器學習工具，它可以將數據項歸置不同的類別中；
SmileMiner- 統計機器智能與學習引擎；
SystemML- 靈活、可擴展的機器學習語言；
WalnutiQ- 人腦部分面向對象模型；
Weka-Weka是數據挖掘方面的機器學習算法集。
語音識別
CMU Sphinx- CMU Sphinx是基于Java 語音識別庫，用于純語音識別開源工具包。
數據分析/數據可視化
Flink- Apache Flink是一個面向分布式數據流處理和批量數據處理的開源計算平臺；
Hadoop- 大數據分析平臺；
Spark- Spark是一個快速通用的大規模數據處理引擎；
Storm- Storm是一個分布式實時計算系統；
Impala- 為Hadoop實現實時查詢
DataMelt- 用于數字計算、統計、符號計算、數據分析和數據可視化的數學軟件；
Dr. Michael Thomas Flanagan\'s Java Scientific Library
深度學習
Deeplearning4j- 采用并行GPU的商用可擴展深度學習庫。
數 Javascript
自然語言處理
Twitter-text- Twitter文本處理庫中使用JavaScript的實現；
NLP.js – 使用JavaScript和CoffeeScript的NLP實用工具；
natural – 用于節點的通用自然語言工具；
Knwl.js – JS中的自然語言處理器；
Retext-用于分析和處理自然語言的可擴展系統；
TextProcessing-情感分析，詞干和詞形還原，部分詞性標注和組塊，短語提取和命名實體識別；
NLP Compromise- 瀏覽器中的自然語言處理。
數據分析/數據可視化
D3.js
High Charts
NVD3.js
dc.js
chartjs
dimple
amCharts
D3xter –直接建立在D3上的繪圖；
statkit – JavaScript的統計工具；
datakit- JavaScript的輕量級數據分析框架；
science.js- JavaScript中的科學統計計算；
Z3d – 在Three.js上輕松地繪制交互式3D圖；
Sigma.js- JavaScript庫，專門用于圖形繪制；
C3.js– 基于D3.js的定制庫，能夠輕松繪制圖表；
ZingChart- Vanilla JS編寫的庫，用于大數據可視化；
cheminfo – 數據可視化和分析的平臺，使用可視化項目。
通用機器學習
Convnet.js- ConvNetJS是一個JavaScript庫，用于訓練深度學習模型[深度學習]；
Clusterfck- 為Node.js和瀏覽器，用Javascript實現的凝聚層次聚類；
Clustering.js – Javascript為Node.js和瀏覽器實現的聚類算法；
Decision Trees-使用ID3算法實現NodeJS決策樹；
figue- K-均值、模糊C均值和凝聚聚類；
Node-fann-Node.js綁定的快速人工神經網絡庫（Fast Artificial Neural Network Library，FANN）；
Kmeans.js- K-均值算法用JavaScript的簡單實現，用于Node.js和瀏覽器；
LDA.js - Node.js的LDA主題建模；
Learning.js –用Javascript實現邏輯回歸/ c4.5決策樹；
Machine Learning -Node.js的機器學習庫；
Node-SVM -Node.js的支持向量機；
Brain - JavaScript中的神經網絡[已棄用]；
Bayesian-Bandit -Node和瀏覽器的貝葉斯實現；
Synaptic – 用于Node.js和瀏覽器的無架構神經網絡庫；
kNear - JavaScript實現的k個最近鄰算法，用于監督學習；
NeuralN - Node.js的C++神經網絡庫，其優點是有大量的數據集和多線程訓練；
kalman - Javascript的卡爾曼濾波器；
shaman - Node.js庫，同時支持簡單和多元的線性回歸；
ml.js –用于Node.js和瀏覽器的機器學習和數值分析工具；
Pavlov.js -利用馬爾可夫決策過程強化學習；
MXNet - 輕量級、便攜式、靈活的分布式/深度學習系統，可對動態的、突變數據流調度部署，同時也支持Python、R、Julia、Go、Javascript 等編程語言。
其它
sylvester – 用于JavaScript的向量和矩陣數學；
simple-statistics - 描述，回歸和推斷統計的JavaScript實現；用文字實現的JavaScript，沒有依賴性，能在所有現代瀏覽器（包括IE）以及在node.js中工作；
regression-js – JavaScript庫，包含小二乘法擬合方法的集合，用于尋找數據集的趨勢；
Lyric -線性回歸庫；
GreatCircle – 計算大圓距的庫。
Julia
通用機器學習
MachineLearning -Julia機器學習庫；
MLBase -一組支持機器學習算法的發展的函數；
PGM - 一個概率圖模型的Julia框架；
DA - 正則判別分析的Julia組件；
Regression - 回歸分析算法（例如線性回歸和邏輯回歸）；
Local Regression -局部回歸，超級流暢！
Naive Bayes -Julia樸素貝葉斯方法的簡單實現；
Mixed Models – 用于裝配（統計）混合效應模型的Julia組件；
Simple MCMC –Julia實現基本的MCMC采樣；
Distance -Julia距離評估模塊；
Decision Tree -決策樹分類和回歸；
Neural -Julia神經網絡；
MCMC –Julia 的MCMC工具；
Mamba –Julia中馬爾可夫鏈蒙特卡羅（MCMC）的貝葉斯分析；
GLM –Julia的廣義線性模型。
Online Learning
GLMNet – GMLNet的Julia包裝版，適合套索/彈性網模型；
Clustering -集群數據的基本功能：K-均值，DP-均值等；
SVM –Julia適用的SVM；
Kernal Density –Julia的核密度估計量；
Dimensionality Reduction -降維方法；
NMF - 非負矩陣分解的Julia包；
ANN -Julia人工神經網絡；
Mocha – 受Caffe啟發，Julia的深度學習框架；
XGBoost –Julia中的eXtreme Gradient Boosting 包；
ManifoldLearning – 用于流形學習和非線性降維的Julia組件；
MXNet - 輕量級、便攜式、靈活的分布式/深度學習系統，可對動態的、突變數據流調度部署，同時也支持Python、R、Julia、Go、Javascript 等編程語言。
Merlin -Julia靈活的深度學習框架。
自然語言處理
Topic Models –Julia下的主題模型；
Text Analysis –Julia下的文本分析包。
數據分析/數據可視化
Graph Layout – 純Julia實現的圖布局算法；
Data Frames Meta - DataFrames的元編程工具；
Julia Data - 處理表格數據的Julia庫；
Data Read - 從Stata、SAS、SPSS讀取文件；
Hypothesis Tests –Julia的假設檢驗；
Gadfly –Julia 靈活的統計制圖法；
Stats –Julia的統計圖檢驗；
RDataSets - 用于裝載許多R中可用數據集的Julia包；
DataFrames – 處理列表數據的Julia庫；
Distributions - 概率分布和相關函數的Julia包；
Data Arrays - 允許缺失值的數據結構；
Time Series –Julia的時間序列工具包；
Sampling -Julia的基本采樣算法。
其他項/展示
DSP -數字信號處理（濾波，周期圖，頻譜圖，窗函數）；
JuliaCon Presentations – JuliaCon的演示文稿；
SignalProcessing –Julia寫的信號處理工具；
Images –Julia的圖像庫。
若想獲取“史上最全機器學習資料（上）”的全部內容，請關注云棲社區微信公眾號：yunqiinsight，并回復“史上最全機器學習資料”。
以上就是關于瀏覽器pos機,史上最全的機器學習資料的知識，后面我們會繼續為大家整理關于瀏覽器pos機的知識，希望能夠幫助到大家！
