用Julia研究人工智能？这5个机器学习项目不得不看

近日，MIT 发布了动态编程语言 Julia 1.0 正式版本，下载地址：

julialang.org/downloads/

由 MIT 主导开发的 Julia 是一种新型编程语言，它将 C 的速度、Ruby 的灵活性 Matlab 的数学表征、Python 的通用编程结合在一块儿，集众家之所长，近年来成为全球火热程度上升最快的编程语言之一，受到包括 Google、Facebook 在内的世界知名互联网公司开发者们的普遍欢迎。

整体来看，Julia 具备快速、通用、动态、专业、多样性和可组合等特色。因为其高性能、使用简单、面向广大开发者，所以在某些状况下很是适合开发各类东西，好比深度学习框架。故而它一经推出，就引发数据分析和科学计算领域的浓厚兴趣。

本文就介绍 5 个面向 Julia 的机器学习项目，它们并不是全都是机器学习库，其中一个是实现机器学习算法的支持功能的合集。

MLBase.jl

以这个项目着手开始比较合适，MLBase 自称为“机器学习中的瑞士军刀”。

它不是实现机器学习算法，而是一系列支持工具的合集，好比用于预处理、基于分数的分类、性能评估指标、模型调试等等这方面的工具。

MLBase 的文档很是不错，并且每一个工具都附有必定数量的代码示例。

项目地址：

github.com/JuliaStats/…

ScikitLearn.ji

对于使用 Python 编程的开发者来讲，Julia 能够说是个潜在的“救火队长”。

ScikitLearn.jl 用 Julia 实现了常见的 Scikit-learn 接口和算法。其支持来自 Julia 生态系统和 Scikit-learn 库（经过 PyCall.jl）这两部分的模型。

虽然 ScikitLearn.jl 并不是 Scikit-learn 的官方做品，但它实现了很是可靠的接口，并将 Python 模型和 Julia 模型结合在一块儿，仍是很是有吸引力的。

项目中附有很不错的入门指南，以及不少 Jupyter notebook 示例。

项目地址：

github.com/cstjean/Sci…

MachineLearning.jl

该项目主要介绍 Julia 中的机器学习算法。其包含了至关数量的机器学习算法和支持工具，对于用Julia进行机器学习开发是个很棒的资源。

目前主要包括如下算法：决策树分离器，随机森林分类器，基础的神经网络和贝叶斯累加回归树。另外也支持将数据集分割为 训练集 和 测试集，以及对模型进行交叉检验。

项目地址：

github.com/benhamner/M…

Mocha.jl

Macha.jl 是一个面向 Julia 的深度学习框架，其开发灵感源自 C++ 框架 Caffe。Mocha.jl 中高效实现了通用的随机梯度解算器和常见网络层，能经过无监督预训练方式用于训练深度神经网络和卷积神经网络。

项目文档包含了一系列的教程合集以及完整的使用指南，是一个很是详尽的面向 Julia 的深度学习项目。

项目地址：

github.com/pluskid/Moc…

TextAnalysis.jl

TextAnalysis.jl 是一个用于文本分析的 Julia 库，提供文档预处理、语料库建立、文档术语矩阵、逆文档频率、潜在语义分析、潜在狄利克雷分布等多种天然语言处理功能。若是你对使用 Julia 执行天然语言处理任务，这绝对是很合适的入门项目。

项目地址：

github.com/JuliaText/T…

若是想入门了解一下 Julia，能够看看集智主站发布的《Julia 快速入门》系列教程：

jizhi.im/blog/post/j…

还想深刻学习 Julia 的知识，集智推荐这个学习资源：

samuelcolvin.github.io/JuliaByExam…

最后再分享几个 Julia 实现的机器学习算法：

面向 Julia 的马尔科夫链蒙特卡罗：

github.com/doobwa/MCMC…

Julia 实现的简单朴素贝叶斯：

github.com/nutsiepully…

Julia 实现的决策树：

github.com/bensadeghi/…

Julia 实现的广义线性模型：

github.com/JuliaStats/…

后面会继续分享关于 Julia 的机器学习资源，以及如何从零开始用 Julia 进行数据科学工做，欢迎关注咱们。

参考资料：

www.kdnuggets.com/2016/08/top…

---

集智在手 AI不愁

八月新课猛戳j.youzan.com/jiECwY