开源机器学习工具列表

Scikit-Learn是一个Python机器学习开源工具，它包含分类、回归、聚类、降维、模型选择、数据预处理等功能。根据官网介绍，目前已经有很多公司也在使用，包括Spotify、Inria、Evernote等。该工具主要特点如下：

DeepLearning for Java是一个开源的DeepLearning库，它是用Java和Scala写的。它是第一个商业级别的运行在JVM上的DeepLearning版本。它可以运行在Hadoop和Spark上。主要包括的库有DeepLearning4J、ND4J、DataVec、JavaCPP等。该工具主要特点如下：

DatumBox是机器学习开源框架，是使用Java语言编写的工具。它可以运用在社交媒体监测、搜索引擎优化、质量评估和文本分析等领域。包括Webseo，Mozaik等公司都在使用。该工具主要特点如下：

这是一个收集了各种主题模型的库，包括各种版本的LDA代码，以及Dirichlet过程（DP）代码、层次Dirichlet过程模型（HDP）代码。还有其他的一些主题模型代码。这个库还收集了一个NIPS0-12的数据集，主要是用来做主题模型的，包括1740个文档，2037个作者等等。

gensim是一个基于Python的话题模型工具，是免费的Python库。它是可扩展的统计语义工具，可以分析文本语义结构并抽取相似语义的文本。很多公司如IBCN、DTU、issuu等都在使用。该工具主要特点如下：

MALLET（MAchine Learning for LanguagE Toolkit）是一个机器学习的工具，主要用来做自然语言处理的，也可以用来做文档的分类、聚类、话题模型、信息抽取以及其它的文本相关的机器学习。这个工具包含很多精细的算法，比如层次话题模型（hLDA）等。主要功能如下：

Lenskit是美国的明尼苏达大学的GroupLens团队开发的开源推荐工具，基于Java编写，是基于GNU许可的开源软件。它实现了推荐领域的多种算法，包括基于用户、项目的协同过滤算法，矩阵分解方法等。它还提供了多种推荐效果评价工具。

MyMediaLite_Python是合肥工业大学王锦坤博士开发的开源推荐工具，基于Python编写，是MyMediaLite框架的Python版本。目前已经引入了WRMF模型。

Apache Mahout是一个优秀的分布式机器学习框架，早先随着Apache Hadoop 1.X推出，它包含了一些很优秀的向量运算工具。0.98版本以前是基于Hadoop 1.X的工具，使用Java编写。随着Hadoop 2.X的推出，其开始使用Spark作为基础平台，提供Scala接口。如果希望使用Java可以下载0.98版本之前的软件。其主要特点如下：

Apache Spark MLlib是Spark平台上的一个可扩展的机器学习包。底层算法是Scala编写，可以Java调用，主要是分布式计算框架，运行在Spark平台之上。其主要特点如下：