Java 机器学习

您是 Java 程序员，并希望开始或练习机器学习吗？

编写利用机器学习的程序是学习机器学习的最佳方式。您可以从头开始编写算法，但如果利用现有的开源库，您将取得更大的进步。

在这篇文章中，您将发现可以在 Java 中使用的主要平台和开源机器学习库。

环境

本节描述可用于机器学习的基于 Java 的环境或工作台。它们被称为环境，因为它们提供了用于执行机器学习任务的图形用户界面，但也提供了用于开发您自己应用程序的 Java API。

Weka

Waikato 知识分析环境（Weka）是由新西兰怀卡托大学开发的机器学习平台。它用 Java 编写，提供图形用户界面、命令行界面和 Java API。它可能是最受欢迎的 Java 机器学习库，是开始或练习机器学习的绝佳选择。

加载鸢尾花数据集的Weka Explorer界面

KNIME

康斯坦茨信息挖掘器（KNIME）是由德国康斯坦茨大学开发的分析和报告平台。它最初专注于制药研究，但已扩展到通用商业智能领域。它提供图形用户界面（基于 Eclipse）和 Java API。

KNIME 截图
保留部分权利

RapidMiner

RapidMiner 曾被称为 Yet Another Learning Environment (YALE)，由德国多特蒙德工业大学开发。它提供了一个 GUI 和一个 Java API，用于开发您自己的应用程序。它提供了数据处理、可视化以及机器学习算法建模功能。

RapidMiner 截图

ELKI

由索引结构支持的 KDD 应用程序开发环境（ELKI）是由德国慕尼黑路德维希-马克西米利安大学用 Java 开发的数据挖掘工作台。它专注于处理关系数据库中的数据，用于异常值检测和分类（基于距离函数的方法）等任务。它提供了一个迷你 GUI、命令行界面和 Java API。

ELKI 截图
保留部分权利

库

本页列出的几乎每个项目都是/有一个带有 Java API 的库，本节中列出的项目只提供 Java API。它们是狭义上的机器学习库。

Java-ML

Java 机器学习库（Java-ML）提供了用 Java 实现的机器学习算法集合。它为每个算法提供了一个标准接口，没有 UI，并提供了相关科学文献以供进一步阅读。它包括数据操作、聚类、特征选择和分类方法。请注意，在撰写本文时，最后一次发布是在 2012 年。

JSAT

Java 统计分析工具（JSAT）为中等规模问题提供了标准机器学习算法的纯 Java 实现。作者评论说，他开发该库部分是为了自学，部分是为了完成任务。尽管如此，算法列表还是令人印象深刻。它包括分类、回归、集成、聚类和特征选择方法。

大数据

本节列出了用于大数据（例如在机器集群上）的 Java 项目。

Mahout (Hadoop)

Apache Mahout 提供机器学习算法的实现，用于 Apache Hadoop 平台（分布式 MapReduce）。该项目专注于聚类和分类算法，一个流行的应用驱动实现是其在推荐系统协同过滤中的使用。还包括在单个节点上运行的算法的参考实现。

MLlib (Spark)

Apache 机器学习库 提供机器学习算法的实现，用于 Apache Spark 平台（HDFS，但不是 MapReduce）。虽然是 Java，但该库和平台支持 Java、Scala 和 Python 绑定。该库是新的，算法列表很短，但正在快速增长。

MOA

大规模在线分析（MOA）是一个由新西兰怀卡托大学设计用于数据流挖掘的开源平台。与 Weka（在同一地点开发）一样，它提供了一个 GUI、命令行界面和 Java API。它提供了大量算法，重点关注分类并支持异常值检测和概念漂移处理。MOA 使用在同一地点开发的 高级数据挖掘和机器学习系统（ADAMS）来管理工作流。

SAMOA

可扩展高级大规模在线分析（SAMOA）是由雅虎开发的分布式流式机器学习框架。它旨在在 Apache Storm 和 Apache S4 上运行。该系统可以利用 MOA 项目提供的算法来执行分类等任务。

自然语言处理

本节专门介绍用于解决机器学习子领域——自然语言处理 (NLP) 问题的 Java 库和项目。

NLP 不是我的专业领域，所以我就直接指出关键库。

• OpenNLP：Apache OpenNLP 是一个用于处理自然语言文本的工具包。它提供了用于 NLP 任务的方法，如分词、分句和实体提取。
• LingPipe：LingPipe 是一个计算语言学工具包，包括主题分类、实体提取、聚类和情感分析等方法。
• GATE：文本工程通用架构 (GATE) 是一个用于文本处理的开源库。它提供了针对不同用例的一系列子项目。
• MALLET：语言工具包机器学习 (MALLET) 是一个用于统计自然语言处理、文档分类、聚类、主题建模和信息提取的 Java 工具包。

计算机视觉

本节列出了用于机器学习子领域“计算机视觉 (CV)”的库。

同样，计算机视觉不是我的专业领域，所以我就直接指出关键库。

• BoofCV：BoofCV 是一个用于计算机视觉和机器人应用的开源库。它支持图像处理、特征、几何视觉、校准、识别和图像数据 IO 等功能。

深度学习

随着深度学习方法和更快的硬件的发展，神经网络再次变得热门。本节列出了用于处理神经网络和深度学习的关键 Java 库。

• Encog：Encog 是一个机器学习库，提供 SVM、经典神经网络、遗传编程、贝叶斯网络、HMM 和遗传算法等算法。
• Deeplearning4j：Deeplearning4j 据称是一个用 Java 编写的商业级深度学习库。它被描述为与 Hadoop 兼容，并提供受限玻尔兹曼机、深度信念网络和堆叠去噪自编码器等算法。

总结

在这篇综述文章中，我们讨论了在 Java 中进行机器学习时选择库或平台时的知名选项。

这些是主要参与者和热门项目，但这绝不是一个完整的列表。例如，看看 MLOSS.org 上的这个页面，它列出了（在撰写本文时）71 个基于 Java 的开源机器学习项目。这很多，我相信 GitHub 和 SourceForge 上还有更多。

关键在于认真思考您自己的项目及其需求。弄清楚您需要从库或平台中获得什么，然后选择并学习最适合您需求的项目。