Shogun网站上的关于主流机器学习工具包的比较:

http://www.shogun-toolbox.org/page/features/

  created last updated main language main focus
shogun 1999 10-2013 C++ General Purpose ML Package with particular focus on large scale learning; Kernel Methods; Interfaces to various languages
weka 1997 07-2013 java General Purpose ML Package
kernlab 04-2004 11-2013 R Kernel Based Classification/Dimensionality Reduction
dlib 2006 10-2013 C++ Portability; Correctness
nieme 09-2006 03-2009 C++ Linear Regression; Ranking; Classification
orange 06-2004 11-2013 python Visual Data Analysis
java-ml 08-2008 07-2012 java Feature Selection
pyML 08-2004 09-2013 C++; python Kernel Methods
mlpy 02-2008 03-2012 python Basic Algorithms
pybrain 10-2008 02-2013 python Reinforcement Learning
torch7 01-2002 11-2013 C++;lua Neural Networks
scikit-learn 2007 08-2013 python; cython General Purpose with simple API and numpy / scipy idioms
   
shogun
weka
kernlab
dlib
nieme
orange
java-ml
pyML
mlpy
pybrain
torch3
scikit-learn
                         
General Features Graphical User Interface
  One Class Classification
  Classification
  Multiclass classification
  Regression
  Structured Output Learning
  Pre-Processing
  Built-in Model Selection Strategies
  Visualization
  Test Framework
  Large Scale Learning
  Semi-supervised Learning
  Multitask Learning
  Domain Adaptation
  Serialization
  Parallelized Code
  Performance Measures (auROC etc)
  Image Processing
                           
Supported Operating Systems Linux
  Windows
  Mac OSX
  Other Unix
                           
Language Bindings Python
  R
  Matlab
  Octave
  C/C++
  Command Line
  Java
  C#
  Lua
  Ruby
                           
SVM Solvers SVMLight
  LibSVM
  SVM Ocas
  LibLinear
  BMRM
  LaRank
  SVMPegasos
  SVM SGD
  other
                           
Regression Kernel Ridge Regression
  Support Vector Regression
  Gaussian Processes
  Relevance Vector Machine
                           
Multiple Kernel Learning MKL
  q-norm MKL
  multiclass MKL
                           
Classifiers Naive Bayes
  Bayesian Networks
  Multi Layer Perceptron
  RBF Networks
  Logistic Regression
  LASSO
  Decision Trees
  k-NN
  Gaussian Process Classification
                           
Linear Classifiers Linear Programming Machine
  LDA
                           
Distributions Markov Chains
  Hidden Markov Models
                           
Dimension Reduction PCA
  Kernel PCA
  Isomap
  Multidimensional scaling
  Sammon mapping
  Locally Linear Embedding
  Diffusion Map
  Local Tangent Space Alignment
  Laplacian Eigenmaps
  Barnes-Hut t-SNE
                           
Independent Component Analysis FIXME
                           
                           
Kernels Linear
  Gaussian
  Polynomial
  String Kernels
  Sigmoid Kernel
  Kernel Normalizer
                           
Feature Selection Forward
  Wrapper methods
  Recursive Feature Selection
                           
Missing Features Mean value imputation
  EM-based/model based imputation
                           
Clustering Hierarchical Clustering
  k-means
                           
Optimization BFGS
  conjugate gradient
  gradient descent
  bindings to CPLEX
  bindings to Mosek
  bindings to other solver
                           
Structural Output Learning Label Sequence Learning
  Factor Graph Learning
  SO-SGD
  Latent SO-SVM
                           
Supported File Formats Binary
  Arff
  HDF5
  CSV
  libSVM/ SVMLight format
  Excel
  Protobuf
                           
Supported Data Types Sparse Data Representation
  Dense Matrices
  Strings
  Support for native (e.g. C) types (char, signed and unsigned int8, int16, int32, int64, float, double, long double)

Shogun网站上的关于主流机器学习工具包的比较的更多相关文章

  1. 机器学习实战笔记一:K-近邻算法在约会网站上的应用

    K-近邻算法概述 简单的说,K-近邻算法采用不同特征值之间的距离方法进行分类 K-近邻算法 优点:精度高.对异常值不敏感.无数据输入假定. 缺点:计算复杂度高.空间复杂度高. 适用范围:数值型和标称型 ...

  2. java机器学习工具包

    下面是25个Java机器学习的工具&&库列表: 1. Weka 是一个数据挖掘任务机器学习算法的集合.这些算法可以直接应用于数据集或者在你自己的Java代码中调用.Weka 包含 数据 ...

  3. 淘宝网站上的 HTTP 缓存问题两则

    在阅读本文前推荐你先阅读我的前两篇文章< 扼杀 304,Cache-Control: immutable>和<关于缓存和 Chrome 的“新版刷新”>:下面要说的两个问题是在 ...

  4. python机器学习工具包scikit-learn

    scikit-learn这个非常强大的python机器学习工具包 http://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.ht ...

  5. 2.在约会网站上使用k近邻算法

    在约会网站上使用k近邻算法 思路步骤: 1. 收集数据:提供文本文件.2. 准备数据:使用Python解析文本文件.3. 分析数据:使用Matplotlib画二维扩散图.4. 训练算法:此步骤不适用于 ...

  6. 还原网站上压缩的js代码

    还原网站上压缩的js代码 我们经常可以看到一些网站,把所需的javascript代码压缩成一行,就像下图这样 这种代码浏览器能读懂,但正常人是没法阅读的. 既然浏览器能读,浏览器当然也能还原这段代码. ...

  7. python爬虫学习-爬取某个网站上的所有图片

    最近简单地看了下python爬虫的视频.便自己尝试写了下爬虫操作,计划的是把某一个网站上的美女图全给爬下来,不过经过计算,查不多有好几百G的样子,还是算了.就首先下载一点点先看看. 本次爬虫使用的是p ...

  8. 【转】常见的python机器学习工具包比较

    http://algosolo.com/ 分析对比了常见的python机器学习工具包,包括: scikit-learn mlpy Modular toolkit for Data Processing ...

  9. 你是否经常忘记网站上的各种密码?分享个密码管理软件LastPass

      现在网络那么发达,我们上网的每个人势必会在各个网站上登陆,那势必会有一堆密码需要管理,那怎么能记住那么多网站的密码呢?我之前的做法是设置几个常用的密码,好多不重要的网站用一个,重要的网站用一个,然 ...

随机推荐

  1. PHP的学习--PHP加密

    PHP中的加密方式有如下几种 1. MD5加密 string md5 ( string $str [, bool $raw_output = false ] ) 参数 str  --  原始字符串. ...

  2. CodeForces 239 Long Path

    每个房间有两个单向出口,就是只能进不能出,这个开始理解错了. 进入房间的时候,首先要在屋顶画一个叉叉,如果画完之后叉叉的个数是奇数的话:那么就从第二条出口出去,会到达p[ i ]房间:如果叉叉的个数是 ...

  3. 王爽 <<汇编 语言>> 13.6 BIOS中断例程应用

    ;名称:ILOVEU程序 ;使用BIOS提供的中断例程 assume cs:code code segment main: ;显示背景22*80 ;dh中放行号 ;dl中放列号 bibi: push ...

  4. OpenGL投影矩阵

    概述 透视投影 正交投影 概述 计算机显示器是一个2D平面.OpenGL渲染的3D场景必须以2D图像方式投影到计算机屏幕上.GL_PROJECTION矩阵用于该投影变换.首先,它将所有定点数据从观察坐 ...

  5. dw的流体网格布局

    在设计视图拖拽 在插入面板中选择插入流体网格布局标签 在对话框中如果不选中新建行复选框 如果总的列数是5列 一行的列宽和上一行的列宽加起来没有5列的话,下一行会上浮

  6. easycwmp的交叉编译

    原创作品,转载请注明出处 copyright:weishusheng   2015.3.18 email:642613208@qq.com 平台: Linux version 2.6.32-279.e ...

  7. linux一些常用配置

    1.vi编辑退出不清屏 .bashrc最后加: 2.

  8. ecmobile-ios笔记

    col或者row里的v-align:bottom会导致里面所有的元素都到bottom,如果有一个元素还好,多个元素,第一个会到底.

  9. [2014.01.27]wfChart 统计图组件 5.6

    本组件支持多种样式图表,包括柱型图.横柱型图.曲线图.饼图.点图.区域图.     可选择的8大主题风格,且主题可再配置,在加快开发的同时又提供更好的图像效果.     组件图表提供两种输出接口,包括 ...

  10. knockout+bootstrap--一些复杂的应用合集

    一.针对My97日历控件的绑定 普通绑定和特殊格式绑定(红色部分) <!-- ko foreach: items --> <td class="ruyeeTableTDLa ...