網(wǎng)上有很多關(guān)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(guān)于瀏覽器pos機的問題,今天pos機之家(www.dsth100338.com)為大家整理了關(guān)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(lǐng)域交叉學科,涉及概率論、統(tǒng)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?qū)崿F(xiàn)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(jié)構(gòu)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(fā)者更加廣泛、深入地了解機器學習,云棲社區(qū)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(guān)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(shù)據(jù)分析 /數(shù)據(jù)可視化
Erlang
通用機器學習
Go
自然語言處理
通用機器學習
數(shù)據(jù)分析 /數(shù)據(jù)可視化
Haskell
通用機器學習
Java
自然語言處理
通用機器學習
數(shù)據(jù)分析 /數(shù)據(jù)可視化
深度學習
Javascript
自然語言處理
數(shù)據(jù)分析 /數(shù)據(jù)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(shù)據(jù)分析/數(shù)據(jù)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(shù)據(jù)分析 / 數(shù)據(jù)可視化
.NET
計算機視覺
自然語言處理
通用機器學習
數(shù)據(jù)分析 /數(shù)據(jù)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(shù)據(jù)分析 /數(shù)據(jù)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(shù)據(jù)分析 /數(shù)據(jù)處理
雜項
Rust
通用機器學習
R
通用機器學習
數(shù)據(jù)分析 /數(shù)據(jù)可視化
SAS
通用機器學習
數(shù)據(jù)分析 /數(shù)據(jù)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(shù)據(jù)分析 /數(shù)據(jù)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(xié)同過濾(CF)進行產(chǎn)品推薦/建議;
Darknet -是一個用C和CUDA編寫的開源神經(jīng)網(wǎng)絡(luò)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(xiàn)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(nèi)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(gòu)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(tǒng);
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?qū)ο蟮腃++庫,能夠?qū)崿F(xiàn)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(tǒng);
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(fā)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(yōu)化、通用的梯度推進庫;
CUDA-利用C++ / CUDA快速實現(xiàn)卷積;[深度學習]
Stan-一種概率性的編程語言,能夠?qū)崿F(xiàn)Hamiltonian Monte Carlo抽樣的全貝葉斯統(tǒng)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?qū)崿F(xiàn)多種基于內(nèi)存的學習算法,其中有IB1-IG--k-最近鄰分類的實現(xiàn)、IGTree--IB1-IG的決策樹近似值;常用于NLP;
Disrtibuted Machine learning Tool Kit (DMTK) -微軟開發(fā)的分布式機器學習(參數(shù)服務(wù)器)框架,能夠在多臺機器的大型數(shù)據(jù)集上實現(xiàn)訓練模型,與它捆綁的現(xiàn)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(xiàn)連接時域分類(Connectionist Temporal Classification,CTC);
CNTK-微軟研究院開發(fā)的計算網(wǎng)絡(luò)工具包(CNTK),它作為一系列計算步驟,通過有向圖來描述神經(jīng)網(wǎng)絡(luò),是統(tǒng)一的深度學習工具包;
DeepDetect-一個機器學習API,服務(wù)器用C++11編寫,它使機器學習的狀態(tài)易于工作,并容易集成到現(xiàn)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(chǎn)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(guān)系抽??;
CRF++-條件隨機域(Conditional Random Fields,CRFs)的開源實現(xiàn),用于分割/標記序列數(shù)據(jù)及其他自然語言處理任務(wù);
CRFsuite-條件隨機域(CRFs)的實現(xiàn),用于標記序列數(shù)據(jù);
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(jié)構(gòu),例如用快速和高效存儲的方式實現(xiàn)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(nèi)含統(tǒng)一字符標準及規(guī)則表達式;支持FoLiA格式;
libfolia-支持FoLiA格式的C++庫;
frog-為Dutch開發(fā)的基于內(nèi)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(tài)分析;
MeTA-MeTA : ModErn 語篇分析(ModErn Text Analysis),是一個C++數(shù)據(jù)科學工具包,便于挖掘大文本數(shù)據(jù)。
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(xié)議授權(quán),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?qū)ο蟮目蚣?,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(jīng)網(wǎng)絡(luò)(玻耳茲曼機,前饋和循環(huán)網(wǎng)絡(luò))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(tǒng);
Infer- Clojure中分析和機器學習的工具;
Clj-ML- Clojure中基于Weka及其相關(guān)環(huán)境的深度學習庫;
Encog- 在Clojure中封裝成Encog (v3) (專門研究神經(jīng)網(wǎng)絡(luò)的機器學習框架);
Fungp- Clojure中的遺傳編程實例庫;
Statistiker- Clojure中基礎(chǔ)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(shù)據(jù)分析/數(shù)據(jù)可視化
Incanter- Incanter是基于 Clojure,類似R的統(tǒng)計計算與制圖平臺;
PigPen- Clojure中的Map-Reduce;
Envision- 基于Statistiker和D3Clojure 數(shù)據(jù)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(xiàn)Porter詞干提取算法的原生Go語言凈室;
paicehusk- Go語言中用于實現(xiàn)Paice/Husk詞干提取算法;
snowball- Go語言中的Snowball 詞干提取器;
go-ngram-內(nèi)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(jīng)網(wǎng)絡(luò)、協(xié)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(jīng)網(wǎng)絡(luò);
GoNN- GoNN 是用Go語言實現(xiàn)的神經(jīng)網(wǎng)絡(luò),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(tǒng),可對動態(tài)的、突變數(shù)據(jù)流調(diào)度部署,同時也支持Python、R、Julia、Go、Javascript 等編程語言。
數(shù)據(jù)分析/數(shù)據(jù)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(xiàn)的各種深度學習算法;
HLearn- 根據(jù)代數(shù)結(jié)構(gòu)解釋其深度模型的庫;
hnn- Haskell語言的神經(jīng)網(wǎng)絡(luò)庫;
hopfield-networks- Haskell中用于無監(jiān)督學習的Hopfield網(wǎng)絡(luò);
caffegraph- 一種用于深度神經(jīng)網(wǎng)絡(luò)的領(lǐng)域特定語言(DSL);
LambdaNet- Haskell中的可配置的神經(jīng)網(wǎng)絡(luò)。
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(jù)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(jié)構(gòu);
Stanford POS Tagger-一個詞性分類器 (POS Tagger);
Stanford Name Entity Recognizer- Stanford NER是一個Java實現(xiàn)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(guān)系以及節(jié)點匹配的正則表達式,用于在樹狀數(shù)據(jù)結(jié)構(gòu)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(tǒng)
Stanford English Tokenizer- Stanford Phrasal 用Java寫成的最新的基于統(tǒng)計短語的機器翻譯系統(tǒng);
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(shù)據(jù)集的人員提供的主題建模工具;
Twitter Text Java- Java實現(xiàn)的推特文本處理庫;
MALLET-基于Java的統(tǒng)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(fā)統(tǒng)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(tǒng),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(xù)開發(fā)。該項目遵循Apache 2license。
通用機器學習
aerosolve- 是由Airbnb設(shè)計的定價建議系統(tǒng)的機器學習庫;
Datumbox-應對機器學習和統(tǒng)計應用快速發(fā)展的機器學習框架;
ELKI- 用于數(shù)據(jù)挖掘的Java工具包(無監(jiān)督:聚類、異常檢測等等);
Encog- 一種先進的神經(jīng)網(wǎng)絡(luò)和機器學習框架。 Encog包含用于創(chuàng)建各類網(wǎng)絡(luò)的類,同時也支持為神經(jīng)網(wǎng)絡(luò)規(guī)范和處理數(shù)據(jù)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(jīng)網(wǎng)絡(luò)。
EvA2- 包含遺傳算法、差分進化、協(xié)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(xiàn)(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(jīng)網(wǎng)絡(luò)框架;
ORYX- 采用Apache Spark和Apache Kafka的Lambda 結(jié)構(gòu)框架,專門用于實時大規(guī)模機器學習;
Samoa- SAMOA 是一個包含用于分布式機器學習數(shù)據(jù)流的框架,同時為數(shù)據(jù)流流入不同的流處理平臺提供了接口;
RankLib- RankLib是一個排序?qū)W習算法庫;
rapaio- Java中用于統(tǒng)計、數(shù)據(jù)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(shù)據(jù)項歸置不同的類別中;
SmileMiner- 統(tǒng)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?qū)ο竽P停?/p>
Weka-Weka是數(shù)據(jù)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(shù)據(jù)分析/數(shù)據(jù)可視化
Flink- Apache Flink是一個面向分布式數(shù)據(jù)流處理和批量數(shù)據(jù)處理的開源計算平臺;
Hadoop- 大數(shù)據(jù)分析平臺;
Spark- Spark是一個快速通用的大規(guī)模數(shù)據(jù)處理引擎;
Storm- Storm是一個分布式實時計算系統(tǒng);
Impala- 為Hadoop實現(xiàn)實時查詢
DataMelt- 用于數(shù)字計算、統(tǒng)計、符號計算、數(shù)據(jù)分析和數(shù)據(jù)可視化的數(shù)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(shù) Javascript
自然語言處理
Twitter-text- Twitter文本處理庫中使用JavaScript的實現(xiàn);
NLP.js – 使用JavaScript和CoffeeScript的NLP實用工具;
natural – 用于節(jié)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(tǒng);
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(shù)據(jù)分析/數(shù)據(jù)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(tǒng)計工具;
datakit- JavaScript的輕量級數(shù)據(jù)分析框架;
science.js- JavaScript中的科學統(tǒng)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(shù)據(jù)可視化;
cheminfo – 數(shù)據(jù)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(xiàn)的凝聚層次聚類;
Clustering.js – Javascript為Node.js和瀏覽器實現(xiàn)的聚類算法;
Decision Trees-使用ID3算法實現(xiàn)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(jīng)網(wǎng)絡(luò)庫(Fast Artificial Neural Network Library,F(xiàn)ANN);
Kmeans.js- K-均值算法用JavaScript的簡單實現(xiàn),用于Node.js和瀏覽器;
LDA.js - Node.js的LDA主題建模;
Learning.js –用Javascript實現(xiàn)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(jīng)網(wǎng)絡(luò)[已棄用];
Bayesian-Bandit -Node和瀏覽器的貝葉斯實現(xiàn);
Synaptic – 用于Node.js和瀏覽器的無架構(gòu)神經(jīng)網(wǎng)絡(luò)庫;
kNear - JavaScript實現(xiàn)的k個最近鄰算法,用于監(jiān)督學習;
NeuralN - Node.js的C++神經(jīng)網(wǎng)絡(luò)庫,其優(yōu)點是有大量的數(shù)據(jù)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(shù)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(tǒng),可對動態(tài)的、突變數(shù)據(jù)流調(diào)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(shù)學;
simple-statistics - 描述,回歸和推斷統(tǒng)計的JavaScript實現(xiàn);用文字實現(xiàn)的JavaScript,沒有依賴性,能在所有現(xiàn)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(shù)據(jù)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(fā)展的函數(shù);
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(xiàn);
Mixed Models – 用于裝配(統(tǒng)計)混合效應模型的Julia組件;
Simple MCMC –Julia實現(xiàn)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(jīng)網(wǎng)絡(luò);
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(wǎng)模型;
Clustering -集群數(shù)據(jù)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(jīng)網(wǎng)絡(luò);
Mocha – 受Caffe啟發(fā),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(tǒng),可對動態(tài)的、突變數(shù)據(jù)流調(diào)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(shù)據(jù)分析/數(shù)據(jù)可視化
Graph Layout – 純Julia實現(xiàn)的圖布局算法;
Data Frames Meta - DataFrames的元編程工具;
Julia Data - 處理表格數(shù)據(jù)的Julia庫;
Data Read - 從Stata、SAS、SPSS讀取文件;
Hypothesis Tests –Julia的假設(shè)檢驗;
Gadfly –Julia 靈活的統(tǒng)計制圖法;
Stats –Julia的統(tǒng)計圖檢驗;
RDataSets - 用于裝載許多R中可用數(shù)據(jù)集的Julia包;
DataFrames – 處理列表數(shù)據(jù)的Julia庫;
Distributions - 概率分布和相關(guān)函數(shù)的Julia包;
Data Arrays - 允許缺失值的數(shù)據(jù)結(jié)構(gòu);
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(shù)字信號處理(濾波,周期圖,頻譜圖,窗函數(shù));
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(nèi)容,請關(guān)注云棲社區(qū)微信公眾號:yunqiinsight,并回復“史上最全機器學習資料”。
以上就是關(guān)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(xù)為大家整理關(guān)于瀏覽器pos機的知識,希望能夠幫助到大家!
