.NET平台機器學習資源匯總，有你想要的么？

本文轉載自查看原文 2015-04-24 08:04 25181 彩票數據分析與預測/ 開源技術/ 源代碼/ 模式識別/ Infer.NET組件使用/ 貝葉斯/ Accord.NET/ .NET開源項目/ 工具資源/ 數據分析/ 機器學習/ 機器預測/ 人工智能/ AForge.NET/ 互聯網/ Math.NET開源組件/ 數據挖掘/ C#.NET開發/ 彩票預測

　　接觸機器學習1年多了，由於只會用C#堆代碼，所以只關注.NET平台的資源，一邊積累，一邊收集，一邊學習，所以在本站第101篇博客到來之際，分享給大家。部分用過的，會有稍微詳細點的說明，其他沒用過的，也是我關注的，說不定以后會用上。機器學習並不等於大數據或者數據挖掘，還有有些區別，有些東西可以用來處理大數據的問題或者數據挖掘的問題，他們之間也是有部分想通的，所以這些組件不僅僅可以用於機器學習，也可以用於數據挖掘相關的。

　　按照功能把資源分為3個部分，開源綜合與非綜合類，以及其他網站博客等資料。都是能夠在.NET平台使用的。謝謝大家支持，這些組件我日后肯定也會研究其使用，到時候有心得再分享上來。如果有興趣，可以關注本博客。

本文原文地址：http://www.cnblogs.com/asxinyu/p/4422050.html

1.開源綜合類

1.1 AForge.NET

　　AForge.NET是一個專門為開發者和研究者基於C#框架設計的，他包括計算機視覺與人工智能，圖像處理，神經網絡，遺傳算法，機器學習，模糊系統，機器人控制等領域。這個框架由一系列的類庫組成。主要包括有：

AForge.Imaging —— 一些日常的圖像處理和過濾器
AForge.Vision —— 計算機視覺應用類庫
AForge.Neuro —— 神經網絡計算庫AForge.Genetic -進化算法編程庫
AForge.MachineLearning —— 機器學習類庫
AForge.Robotics —— 提供一些機器學習的工具類庫
AForge.Video —— 一系列的視頻處理類庫
AForge.Fuzzy —— 模糊推理系統類庫
AForge.Controls—— 圖像，三維，圖表顯示控件

來自：http://baike.haosou.com/doc/1786119-1888850.html

官方網站：http://www.aforgenet.com/

　　我個人認為這個是.NET平台機器學習和數據挖掘發展時間最長，最好，最全面的開源.NET組件之一。博客園有很多園友寫過專門的使用文章。我本人也只是關注，還沒有使用，因為方向和處理的問題不一樣，暫時還沒有實際應用。源代碼，案例等都非常全面。

1.2 Accord.NET Framework

　　 Accord.NET Framework是在AForge.NET基礎上封裝和進一步開發來的。功能也很強大，因為AForge.NET更注重與一些底層和廣度，而Accord.NET Framework更注重與機器學習這個專業，在其基礎上提供了更多統計分析和處理函數，包括圖像處理和計算機視覺算法，所以側重點不同，但都非常有用。　　　　

官方網站：http://accord-framework.net/

1.3 Math.NET

　　不管是機器學習還是數據挖掘，都與數學離不開關系，既然是在.NET平台，那么這個組件以后你也許用得上。Math.NET是.NET平台下最全面的數學計算組件之一，基礎功能非常完善。我的博客有對這個組件的詳細研究：http://www.cnblogs.com/asxinyu/p/4329737.html 。當然更多的功能還得大家自己使用中發掘，畢竟提供了源代碼。Math.NET初衷是開源建立一個穩定並持續維護的先進的基礎數學工具箱，以滿足.NET開發者的日常需求。目前該組件主要分為以下幾個子項目，該組件同時也支持Mono，而且支持的平台也非常廣泛。Math.NET Numerics是核心功能是數值計算。主要是提供日常科學工程計算相關的算法，包括一些特殊函數，線性代數，概率論，隨機函數，微積分，插值，最優化等相關計算功能。詳細的介紹和使用可以參考本站的菜單“Math.NET”，查看目錄。

官方網站：http://www.mathdotnet.com/

1.4 Infer.NET

　　好吧，上面說的那些很強大，強大一方面是說包括的面廣，一方面是代碼，注釋，資源，案例也很完善。如果說上面那些是大炮，那么我認為這個Infer.NET就是戰斗機，零零散散接觸和研究，以及翻譯它的文檔代碼已經有5個月了，時間越久，越感覺到它的火力之強大。我博客已經發表了2篇翻譯的文檔：http://www.cnblogs.com/asxinyu/p/4329742.html，請關注。

　　Infer.NET是微軟劍橋研究院基於.NET平台開發的一款機器推理組件，該組件的采用的是Microsoft Research License Agreement 授權，Non-Commercial Use Only.Infer.NET是一個概率圖模型中(graphical models)用於運行貝葉斯推理機(Bayesian inference)的框架。如果對概率圖模型或者貝葉斯推理的意義不了解，你可以參考一下相關資源文件，在Resources and References page頁面。Infer.NET為各種應用程序所需要推理提供了先進的消息傳遞算法和統計程序。Infer.NET更關注與概率圖編程或者貝葉斯理論的相關應用。這個隨機因素和不確定世界中的很多問題，都可以適用，所以他的強大一方面是專注，另一方面是提供的建模語言。與其他的組件不同，其他組件是算法級，而Infer.NET是建模級別，附帶了各種通用和常見的推理算法。可以通過簡單的代碼來創建模型，按照微軟的話說是MSL建模語言，這也是這個組件讓我肅然起敬的地方，估計也只有微軟的研究人員才會想到這么干一勞永逸的事情。

官方網站：http://research.microsoft.com/en-us/um/cambridge/projects/infernet/default.aspx

1.5 numl

　　另外一個小巧的，包含比較多的機器學習算法類庫，支持監督式和非監督式學習。支持很多常見的機器學習算法，文檔資源還不錯。包括Cluster,KMeans,PCA,DecisionTree,KNN,NaiveBayes,NeuralNetwork等學習算法，內容也非常豐富，功能強大，同時也包括一些數值計算的實現。這個組件個人認為沒有以上的那么復雜，結構小巧合理，代碼也很優雅。看看下面這段代碼，很快就可以構建一個決策樹學習器進行預測：

 1 var generator = new DecisionTreeGenerator();
 2 generator.Descriptor = Descriptor.Create<Tennis>();
 3 generator.SetHint(false);
 4 
 5 Tennis[] tennis = TennisData.GetData();
 6 
 7 var learned = Learner.Learn(tennis, 0.80, 1000, generator);
 8 
 9 IModel model = learned.Model;
10 double accuracy = learned.Accuracy;
11 
12 Tennis t = new Tennis
13 {
14     Outlook = Outlook.Sunny,
15     Temperature = Temperature.High,
16     Windy = false
17 };
18 
19 Tennis predictedVal = model.Predict(t);

　　numl的入門案例和文檔比較全面，如果本身對算法比較了解，熟悉C#，那入門應該不是問題。並且可以通過組件本身構建和解決更加復雜的問題。

官方網站：http://numl.net/

1.6 Alglib

　　ALGLIB是一個跨平台的數值分析和數據處理函數庫，該函數庫包括開源版本和商業版本。它支持多種編程語言，如C++，C#，Pascal，VBA等，可以在多個操作系統平台上運行，如：Windows，Linux和Solaris。ALGLIB有以下特點：

（1）線性代數（包括矩陣分析）；
（2）方程求解（線性和非線性）；
（3）插值；
（4）最優化；
（5）快速傅里葉變換；
（6）數值積分；
（7）線性和非線性最小二乘擬合；
（8）常微分方程求解；
（9）特殊函數；
（10）統計（描述統計、假設檢驗）；
（11）數據分析（分類、回歸、神經網絡）；

官方網站：http://www.alglib.net/

2.開源.NET平台非綜合類

2.1 Adaboost算法

1.https://github.com/bgorven/Classifier

2.https://github.com/ElmerNing/Adaboost

2.2 Apriori算法

1.https://github.com/Omar-Salem/Apriori-Algorithm

2.https://github.com/simonesalvo/apriori

2.3 PageRank算法

https://github.com/archgold/pagerank

2.4 NativeBayes(朴素貝葉斯)算法

1.https://github.com/Rekin/Naive-Bayes-Classifier
2.https://github.com/ArdaXi/Bayes.NET
3.https://github.com/amrishdeep/Dragon
4.https://github.com/joelmartinez/nBayes

2.5 kmeans算法

http://visualstudiomagazine.com/articles/2013/12/01/k-means-data-clustering-using-c.aspx

3.其他資源與技術博客

【資源】108個大數據文檔PDF開放下載-整理后打包下載，雖然是大數據的相關資料，主要是PPT等，但也有和機器學習有一點關系，需要的看看；

白話貝葉斯理論及在足球比賽結果預測中的應用和C#實現【附資料】里面有貝葉斯相關的論文資料，文章本身對朴素貝葉斯的原理也介紹得非常清楚；

數據挖掘領域十大經典算法初探

機器學習10大經典算法

支持向量機通俗導論（理解SVM的三層境界）

從決策樹學習談到貝葉斯分類算法、EM、HMM

自然語言處理博客，包含的內容非常多，可能理論性有點強 http://www.52nlp.cn/

西北工業大學博導聶飛平博客：http://www.escience.cn/people/fpnie/index.html

一個機器學習數據挖掘的博客，有不少資源鏈接：http://www.zhizhihu.com/

http://mlg.eng.cam.ac.uk/mlss09/schedule.htm

一個機器學習資源集中平台 http://www.kernel-machines.org/software

算法雜貨鋪——分類算法之朴素貝葉斯分類(Naive Bayesian classification)

最大熵模型介紹

概率圖模型

博客園Bobby0322的博客：http://www.cnblogs.com/Bobby0322/p/4052495.html 中的商務智能與數據挖掘應用系列文章:

4.我的100篇博客之路

　　從2009年8月1日注冊博客園開始，已經有5年多的時間了。這是博客的第100篇正式隨筆文章。在2015年元旦的時候，看着自己的博客很久沒有更新，只有40多篇文章，然后列出了一個寫作計划，初期是至少完成高質量的文章50篇左右。而到現在只有4個月，沒想到我幾乎完成了全年的目標。當然發表的50多篇文章中，我認為高質量和有意義的可能只有40篇，但絲毫沒關系，至少還有很多時間。這些文章是對自己經歷和知識的總結，也是一個提高。在這100篇博客里程碑到來的時候，我簡單的回顧了一下這100篇文章。

第1篇首日瀏覽量到1000的文章：

　　XCode使用記錄—使用XCode自動向數據庫插入測試數據(2012-04-25 09:11)

第1篇首日瀏覽量到3000的文章：

　　擁有自己的代碼生成器—Newlife.XCode模板編寫教程 (2012-05-11 08:35)

第1篇上博客園頭條的文章：

　　挑戰ORM性能——Newlife.XCode下500萬sqlite數據庫的分頁(2012-08-22 12:22)

第1篇推薦超過60的文章：

　　【原創】開源Word讀寫組件DocX介紹與入門 (2013-02-22 10:35) 24

第1篇總瀏覽量超1.6萬的文章：

　　【吐槽】VS2012的安裝項目只能用InstallShield Limited Edition (2013-09-07 11:20)

　　在所有的100篇隨筆中，有13篇是目錄和鏈接匯總，不能算是寫的隨筆，還有9篇文章是剛開始來博客園的時候，還在學習，技術含量不高。但我也沒刪除，畢竟是一段歷史。加上有2篇關於比特幣和源碼的文章，准確的說不是我寫的，大部分是@大石頭的內容，還有2篇資源和百度吐槽是很隨意臨時寫的，根本沒打算發表在首頁，只是做一個記錄。所以實際比較有技術一點的文章或者心得數量是73篇。這73篇文章中:

在個人認為還不錯的文章中有至少15 篇上了博客園頭條(包括“最多推薦”和“最多評論”以及“編輯推薦”)

1.白話貝葉斯理論及在足球比賽結果預測中的應用和C#實現【附資料】

2.你用過這種奇葩的C#注釋嗎？如何看待 (2015-04-17 10:04)

3.【原創】C#玩高頻數字彩快3的一點體會 (2015-04-11 09:03)

4.【踩坑經歷】一次Asp.NET小網站部署踩坑和解決經歷 (2015-04-01 06:10)

5.【分享】博客美化(4)為博客添加一個智能的文章推薦插件 (2015-03-24 07:55)

6.【原創】Newlife.XCode的常見功能使用(一）查詢與數據初始化 (2015-01-26 08:52)

7.【原創】開源Math.NET基礎數學類庫使用(13)C#實現其他隨機數生成器 (2015-03-18 08:32)

8.【反傳銷】傳銷故事總結—如何盡可能保護自身和家人安全 (2015-03-09 07:37)

9.【反傳銷】春節一個短暫誤入傳銷和脫身的真實故事以及對技術的思考 (2015-03-03 06:10)

10.App亂世，3721離我們有多遠 (2015-02-10 09:24)

11.【原創】開源Word讀寫組件DocX介紹與入門 (2013-02-22 10:35)