Android學習必備--java工具15個

標籤：

Weka1.Weka整合了資料採礦工作的機器學習演算法。這些演算法可以直接應用於一個資料集上或者你可以自己編寫代碼來調用。Weka包括一系列的工具，如資料預先處理、分類、迴歸、聚類、關聯規則以及可視化。MassiveOnlineAnalysis2.MassiveOnlineAnalysis（MOA）是一個面向資料流挖掘的流行開源架構，有著非常活躍的成長社區。它包括一系列的機器學習演算法（分類、迴歸、聚類、異常檢測、概念漂移檢測和推薦系統）和評估工具。關聯了WEKA項目，MOA也是用Java編寫的，其擴充性更強。 MEKA3.MEKA項目提供了一個面向多標籤學習和評價方法的開源實現。在多標籤分類中，我們要預測每個輸入執行個體的多個輸出變數。這與“普通”情況下只涉及一個單一目標變數的情形不同。此外，MEKA基於WEKA的機器學習工具包。 ADAMS4.AdvancedDataminingAndMachinelearningSystem（ADAMS）是一種新型的柔性工作流程引擎，旨在迅速建立並保持真實世界的複雜知識流，它是基於GPLv3發行的。 ELKI5.EnvironmentforDevelopingKDD-ApplicationsSupportedbyIndex-Structure（ELKI）是一款基於Java的開源（AGPLv3）資料採礦軟體。ELKI主要集中於演算法研究，重點研究群集中的無監督方法和異常檢測。 Mallet6.Mallet是一個基於Java的面向文字檔的機器學習工具包。Mallet支援分類演算法，如最大熵、樸素貝葉斯和決策樹分類。 Encog7.Encog是一個先進的機器學習架構，整合了支援向量機（SVM）、人工神經網路、遺傳演算法、貝葉斯網路、隱馬爾可夫模型（HMM）、遺傳編程和遺傳演算法。 Datumbox8.Datumbox機器學習架構是一個用Java編寫的開源架構，允許快速地開發機器學習和統計應用。該架構的核心重點包括大量的機器學習演算法以及統計測試，能夠處理中等規模的資料集。Deeplearning4j9.Deeplearning4j是使用Java和Scala編寫的第一個商業級的、開源的、分布式深入學習庫。其設計的目的是用於商業環境中，而不是作為一個研究工具。 Mahout10.Mahout是一個內建演算法的機器學習架構。Mahout-Samsara協助人們建立他們自己的數學，並提供了一些現成的演算法實現。 RapidMiner11.RapidMiner是德國多特蒙特技術大學開發的。它為開發人員開發應用程式提供了一個GUI（圖形化使用者介面）和JavaAPI。它還提供了一些機器學習演算法，用來做資料處理、可視化以及建模。 ApacheSAMOA12.ApacheSAMOA是一個機器學習（ML）架構，內嵌面向分布式流ML演算法的編程抽象，並且允許在沒有直接處理底層分布式流處理引擎（DSPEe，如ApacheStorm、ApacheS4和Apachesamza）複雜性的情況下，開發新的ML演算法。使用者可以開發分布式流ML演算法，而且可以在多個DSPEs上執行。 Neuroph13.Neuroph通過提供支援建立、訓練和儲存神經網路的Java網路程式庫和GUI工具，簡化了神經網路開發。 Oryx214.Oryx2是一個建立在ApacheSpark和ApacheKafka的Lambda架構實現，但隨著即時大規模機器學習而逐漸開始專業化。這是一個用於構建應用程式的架構，但也包括打包，以及面向協同過濾、分類、迴歸和聚類的端到端的應用程式。 StanfordClassifier15.StanfordClassifier是一個機器學習工具，它可以將資料項目歸置到一個類別。一個機率分類器，比如這個，它可以對一個資料項目給出類分配的機率分布。該軟體是最大熵分類器的一個Java實現。 

 

Android學習必備--java工具15個