翻譯 Machine Learning in Javascript- A compilation of Resources .
Figure 1 Machine Learning in Javascript
寫 Javascript 程序的一個(gè)好處就是你不用在本地安裝任何東西，也不用搞什么服務(wù)器優(yōu)化， 更不會(huì)浪費(fèi)成噸的時(shí)間來搭核心架構(gòu)。JS 只要一個(gè)瀏覽器內(nèi)核就夠了。正是這樣，用 JS 來做機(jī)器學(xué)習(xí)的趨勢(shì)在日益上漲。我們收集了一個(gè)資源列表，可能會(huì)對(duì)你用 JS 來做機(jī)器學(xué)習(xí)有所幫助。
你可以從Heather Arthur 的 這篇 Slices。這些庫(kù)例子通過圖像識(shí)別的例子來掩飾。
ML 的 JS 庫(kù)：
-
Encog’s machine learning framework in Javascript：
Encog 已經(jīng)有了 Java，.Net 和 C++ 的機(jī)器學(xué)習(xí)框架。她支持多種不同的算法，如，貝葉斯網(wǎng)絡(luò)，隱形馬爾科夫模型，支持向量機(jī)。不過最吊的還是她的神經(jīng)網(wǎng)絡(luò)算法。Encog 包含了創(chuàng)建各種網(wǎng)絡(luò)和為這些網(wǎng)絡(luò)優(yōu)化和處理數(shù)據(jù)的類。Encog 有各種不同的訓(xùn)練方式。在多核機(jī)上多線程的表現(xiàn)最佳， 為了提高效率，C++ 版的Encog會(huì)把任務(wù)拿到OpenCL兼容的GPU上來處理。Encog’s machine learning in Javascript 是一個(gè)很好的學(xué)習(xí)案例。 - Deep learning with Java script：這個(gè)庫(kù)可以用 JS 來搞神經(jīng)網(wǎng)絡(luò)，最初由 Andrej Karpathy (Stanford的一個(gè)PhD)寫的。現(xiàn)在這個(gè)庫(kù)由社區(qū)來維護(hù)和擴(kuò)展。
- Brain.js：神經(jīng)網(wǎng)絡(luò)庫(kù)。
- svmjs： SVM庫(kù)。
- Forest.js：JS實(shí)現(xiàn)隨機(jī)樹。
- Numeric.js：執(zhí)行復(fù)雜的數(shù)學(xué)運(yùn)算。
- Node-sylvester：線性代數(shù)庫(kù)。
- Lineareg.js ：線性回歸分析 。
- 貝葉斯分類 ： NaturalNode/natural & harthur/classifier。
- 集群: harthur/clusterfck
Buran Kanber in Javascript 實(shí)現(xiàn)的一些算法：
- K最近鄰： (Introduction)
- k-means 聚類 (Part 1)
- 遺傳算法 (Part 1, Part 2)
- 樸素貝葉斯分類器： (Part 1: Document Classification)
- 情緒分析： (Part 1)
- 全文檢索： (Part 1: Relevance Scoring)
JS ML的程序?qū)崿F(xiàn)：
- https://github.com/rogerbraun/HNBayes - 一個(gè)Hacker 網(wǎng)站新聞的貝葉斯分類，這里有個(gè)實(shí)現(xiàn)的介紹。
- http://liuliu.me/ccv/js/nss/ - 人臉檢測(cè)應(yīng)用. 只需要一個(gè)圖片的 URL，它就能把圖片上的臉給圈出來。
- nude.js -基于一篇論文的方法用 JS 實(shí)現(xiàn)了裸體掃描儀， HTML Canvas 使得分析圖像數(shù)據(jù)和判斷是否是裸體成為了可能。
- OCR solving of Captchas 用 JS 神經(jīng)網(wǎng)絡(luò)的方法。
