Java 機器學習工具與庫大全：25 個主流專案推薦
以下為 25 個 Java 機器學習工具與庫列表：
- Weka：資料探勘任務機器學習演算法集合，支援預處理、分類、迴歸、分群、關聯規則、視覺化。
- MOA (Massive Online Analysis)：熱門開源資料探勘框架，社群活躍，含分類、迴歸、分群、異常偵測、概念漂移偵測、推薦系統等演算法與評估工具，擴展性優於 Weka。
- MEKA：多標籤學習與評估方法開源實現，基於 WEKA，預測多個輸出變數。
- ADAMS：新型彈性工作流引擎，快速構建維護複雜知識流程，GPLv3 授權。
- ELKI：開源 (AGPLv3) 資料探勘軟體，專注無監督叢類分析與離群值偵測演算法。
- Mallet：Java 文本文件機器學習工具包，支援最大熵、貝葉斯、決策樹分類。
- Encog：先進機器學習框架，支援 SVM、類神經網路、遺傳程式設計、貝葉斯網路、隱馬可夫模型、遺傳演算法。
- Datumbox：開源機器學習框架，快速開發 ML 與統計應用，含大量演算法與統計測試，處理中等規模資料集。
- Deeplearning4j：首個商業級、開源、分散式深度學習庫 (Java/Scala)，面向生產環境而非研究工具。
- Mahout：內建演算法的 ML 框架，Mahout-Samsara 協助建立自有數學並提供現成演算法。
- RapidMiner：多特蒙德大學開發，提供 GUI 與 Java API，含資料處理、視覺化、ML 建模。
- Apache SAMOA：分散式串流 ML 框架，抽象底層 DSPE (Storm、S4、Samza)，一次開發多引擎執行。
- Neuroph：Java 類神經網路簡化建立、訓練、儲存神經網路。
- Oryx 2：基於 Apache Spark 和 Kafka 的即時大規模 ML Lambda 架構，提供協同過濾、分類、迴歸、分群端到端應用。
- Stanford Classifier：最大熵分類器 Java 實現，將資料分為 K 類。
- Cortical.io：快速、精確、類大腦的 Retina API。
- JSAT：ML 快速入門庫，GPL 3，純 Java 無外部依賴，部分代碼為自我教育目的。
- ND4J：JVM 科學計算庫，面向生產環境，極小記憶體需求。
- Java Machine Learning Library：ML 演算法參考實現集合，含文檔與源碼，主要用 Java 撰寫。
- Java-ML：Java API，ML 演算法集合，提供標準演算法介面。
- MLlib (Spark)：Spark 擴展 ML 庫，提供 Java/Scala/Python 綁定，演算法列表龐大。
- H2O：智能應用 ML API，擴展統計、ML 與大數據運算，可擴展。
- WalnutiQ：理論上與人腦部分學習演算法共通的面向對象模型 (目標：簡單帶情感 AI 模型)。
- RankLib：學習排序演算法庫，實現八種流行演算法。
- htm.java：Numenta 智能學習平台 HTM 的 Java 移植版。
問啊 - 定制化 IT 教育平台，牛人一對一服務，有問必答，開發編程社交頭條官網：www.wenaaa.com
QQ 群 290551701 聚集許多網路精英、技術總監、架構師、專案經理！開源技術研究，歡迎業內人士、大牛及新手加入！
