http://www.yidianzixun.com/article/0GjXDdGP [TOC] [Python](http://www.yidianzixun.com/channel/w/python)由于本身的易用優勢和強大的工具庫儲備，成為了在[人工智能](http://www.yidianzixun.com/channel/w/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD)及其它相關科學領域中最常用的語言之一。尤其是在[機器學習](http://www.yidianzixun.com/channel/w/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0)，已然是各大項目最偏愛的語言。 其實除了 Python ，也不乏有開發者用其他語言寫出優秀的機器學習項目。在上期的文章中（除了?[Python](http://www.yidianzixun.com/channel/w/python)?，這些語言寫的機器學習項目也很牛（一）），我們已經列了一些其他語言（C、C++、Go、Java、Javascript）值得關注的[開源](http://www.yidianzixun.com/channel/w/%E5%BC%80%E6%BA%90)機器學習項目，本期將針對?[PHP](http://www.yidianzixun.com/channel/w/php)、[Ruby](http://www.yidianzixun.com/channel/w/ruby)、Objective C、[Swift](http://www.yidianzixun.com/channel/w/swift)、[Scala](http://www.yidianzixun.com/channel/w/scala)進行補全，同時應上期留言要求，在文末列了一些 .NET平臺上的機器學習項目。 1、PHP **PHP-ML ——機器學習庫：https://www.oschina.net/p/php-ml** PHP-ML是 PHP的機器學習庫，同時包含算法、交叉驗證、神經網絡、預處理、特征提取等多種特性。要求 PHP版本 > = 7.0 。 [PHP](http://www.yidianzixun.com/channel/w/php)-ML提供的機器學習算法包括：關聯規則學習（Apriori算法）、分類器（SVC、KNN、[貝葉斯](http://www.yidianzixun.com/channel/w/%E8%B4%9D%E5%8F%B6%E6%96%AF)）、回歸（最小二乘線性回歸、支持向量回歸）、聚類（[KMeans](http://www.yidianzixun.com/channel/w/kmeans)、基于密度的[聚類算法](http://www.yidianzixun.com/channel/w/%E8%81%9A%E7%B1%BB%E7%AE%97%E6%B3%95)）、矩陣運算相關（準確率、混肴矩陣、與分類相關的結論如精確度、召回率、F1值、支持率）、模型運算管道（Pipeline）、神經網絡（多層感知機）等。  2、Ruby **[Treat](http://www.yidianzixun.com/channel/w/treat)?——自然語言處理框架：https://github.com/louismullie/treat** Treat是一個自然語言處理和計算語言學的工具包。[Treat](http://www.yidianzixun.com/channel/w/treat)項目旨在為?[Ruby](http://www.yidianzixun.com/channel/w/ruby)構建一個語言和算法均不可知的 NLP框架，支持文檔檢索、文本分塊、分段和標記化等任務，自然語言解析，詞性標注，關鍵字提取和命名實體識別。  **Classifier ——通用分類器模塊：https://github.com/cardmagic/classifier** Classifier是可用[貝葉斯](http://www.yidianzixun.com/channel/w/%E8%B4%9D%E5%8F%B6%E6%96%AF)算法及其他分類法的通用分類器模塊。[貝葉斯分類器](http://www.yidianzixun.com/channel/w/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E7%B1%BB%E5%99%A8)的分類原理是通過某對象的先驗概率，利用[貝葉斯公式](http://www.yidianzixun.com/channel/w/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%85%AC%E5%BC%8F)計算出其后驗概率，即該對象屬于某一類的概率，選擇具有最大后驗概率的類作為該對象所屬的類，具有準確、快速、[內存](http://www.yidianzixun.com/channel/w/%E5%86%85%E5%AD%98)要求適當等特點。  3、Objective C **MLPNeuralNet ——多層感知器：https://github.com/nikolaypavlov/MLPNeuralNet** MLPNeuralNet是適用于 iOS和?[Mac](http://www.yidianzixun.com/channel/w/mac)?OS X的快速多層感知器神經網絡庫。它使用矢量操作和硬件加速（如果可用）構建在蘋果加速框架之上，通過訓練有素的神經網絡預測新的示例。  4、Swift **[Bender](http://www.yidianzixun.com/channel/w/bender)?——機器學習框架：https://github.com/xmartlabs/Bender** Bender是 MetalPerformanceShaders之上的一個抽象層（abstraction layer），可用于操作神經網絡，旨在更輕松地在 iOS上運行預訓練的網絡。它可以讓你輕松使用卷積、池化、全連接和一些規范化等最常見的層，從而輕松地定義和運行神經網絡。 目前 Bender有一個用于 TensorFlow的適配器（[adapter](http://www.yidianzixun.com/channel/w/adapter)），其可以加載帶有變量的圖（graph），并將其「[翻譯](http://www.yidianzixun.com/channel/w/%E7%BF%BB%E8%AF%91)」成?[Bender](http://www.yidianzixun.com/channel/w/bender)的層（layer）。  **Swift AI ——?[深度學習](http://www.yidianzixun.com/channel/w/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0)庫：https://github.com/Swift-AI/Swift-AI** Swift AI是一個完全由?[Swift](http://www.yidianzixun.com/channel/w/swift)編寫的高性能 AI和機器學習庫，包含用于人工智能和科學應用的常用工具集，支持卷積神經網絡、循環神經網絡、遺傳算法庫、快速線性代數庫、信號處理庫等。這些工具采用先進的[并行處理技術](http://www.yidianzixun.com/channel/w/%E5%B9%B6%E8%A1%8C%E5%A4%84%E7%90%86%E6%8A%80%E6%9C%AF)，專門針對 iOS和 OS X硬件進行了優化，目前支持所有的?[Apple](http://www.yidianzixun.com/channel/w/apple)平臺，并計劃推出?[Linux](http://www.yidianzixun.com/channel/w/linux)版本支持。  5、Scala **[Breeze](http://www.yidianzixun.com/channel/w/breeze)?——數值處理庫：https://github.com/scalanlp/breeze** Breeze是一個數值處理庫，是 ScalaNLP的核心庫，包括線性代數、數值計算和優化，目標是實現通用、干凈、強大，且不犧牲性能（高效）的機器學習方法。 [Scala](http://www.yidianzixun.com/channel/w/scala)NLP包含?[Breeze](http://www.yidianzixun.com/channel/w/breeze)和 Epic（一個高性能的統計解析器和結構化預測庫）。  **BIDMach ——機器學習庫：https://github.com/BIDData/BIDMach** BIDMach是一個速度非常快的機器學習庫，支持邏輯回歸、K-means、矩陣分解、隨機森林、LDA等。它是 BIDMat的一個姊妹項目，BIDMat是一個矩陣庫。 BID[Mac](http://www.yidianzixun.com/channel/w/mac)h在一些評測中甚至跑出了比 Spark還好的結果。  6、.NET **numl ——機器學習框架：http://numl.net/index.html** numl是一個小巧的，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，包括 Cluster、[KMeans](http://www.yidianzixun.com/channel/w/kmeans)、PCA、DecisionTree、KNN、NaiveBayes、NeuralNetwork等學習算法，功能強大，同時也包括一些數值計算的實現。  **Accord.NET ——機器學習框架：https://github.com/accord-net/framework/** Accord.NET為 .NET提供機器學習、統計、[人工智能](http://www.yidianzixun.com/channel/w/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD)、計算機視覺和圖像處理方法。它可以在?[Microsoft](http://www.yidianzixun.com/channel/w/microsoft)?Windows、Xamarin、Unity3D、Windows Store應用，[Linux](http://www.yidianzixun.com/channel/w/linux)和[移動設備](http://www.yidianzixun.com/channel/w/%E7%A7%BB%E5%8A%A8%E8%AE%BE%E5%A4%87)上使用。 在與 AForge.NET項目合并之后，該框架現在提供了一個用于學習/訓練[機器學習](http://www.yidianzixun.com/channel/w/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0)模型的統一 API ，其易于使用和可擴展。