我要尋找一個庫，理想情況下，具有以下特點：哪臺機器學習庫使用
我希望這是用C++編寫的，因爲我對這種語言非常滿意，但是如果庫很值得，我也會使用任何其他語言。我搜索了一下，發現了一些，但我沒有時間全部嘗試，所以我想聽聽別人的經驗。如果你有推薦的圖書館經驗，請只回答。
P.S .:我也可以使用不同的庫進行聚類和SVM。
好吧，爲了完整起見，我會發布我最後的結果。我現在使用scipy-cluster作爲集羣部分。這是迄今爲止我發現的最通用的實現。我想我會用libSVM（它現在有一個Python接口）用於SVM部分。我正在與Python合作，因爲在C++中確實沒有適合的層次聚類實現（C Clustering Library專用於微陣列並且不支持多維數據）。
WEKA（http://www.cs.waikato.ac.nz/ml/weka/）是一款優秀的開源機器學習庫，可滿足除C++之外的大多數需求 - 它是用Java編寫的。它有很好的文檔記錄，實現了支持向量機和集羣，我對它有很好的體驗。
weka中的svm實現由libsvm作者完成，而不是weka團隊完成。而且，weka在設計上完全沒有效率。 Weka只適合玩小數據集。 – 2010-05-30 15:33:48
只有很少的ML庫，我已經使用足夠多，所以我很樂意推薦它們; dlib ml肯定是其中之一。
Sourceforge下載here;和出血性檢查：
hg clone http://hg.code.sf.net/p/dclib/code dclib-code
原始圖書館的創建者和當前維護者是戴維斯國王。
你的心願與相關DLIB特點：
好的文檔：用於定向在相對小羣的用戶/開發自由的，開放源碼庫，這可能是因爲它得到良好;除了通常的文檔，在五年的開發歷史中提煉出來，還有一個經常更新的（低流量）論壇;和一大套優秀的例子（包括至少一個用於SVM）。據我所知，C++中的C++爲012％，其中C++爲100％。
支持向量機算法：是的;實際上，SVM模塊一直是該庫最新更新的重點。
分層聚類算法：不是開箱即用的;然而， 是，打包代碼爲 k均值聚類。很明顯，每種技術的結果都是不同的，但是計算相似性度量和後續的遞歸/迭代分割步驟在兩者的核心都是 --換句話說，用於分層聚類的計算引擎全部都在那裏。 爲了適應現有的HC聚類模塊，將花費超過 幾行代碼，但它也不是 幾乎在 數據表示層面上的主要努力。
dlib ml有一些額外的點來推薦它。這是一個成熟的庫（它現在是版本17.x，版本1.x在2005年底某個時候發佈，我相信），但它也一直處於積極的發展階段，正如回購日誌所證明的那樣（最新更新17.27是17 2010年5月）和上次提交（2010年5月23日）。此外，它還包括很少其他ML技術（例如，貝葉斯網絡，內核方法等）。第三，dllib ml具有優秀的「支持」庫，用於矩陣計算和優化 - 這兩者都是許多ML技術的基本組成部分。
在源，我注意到，DLIB毫升下BSL（升壓？），這是一個開源許可證，雖然我不知道任何關於這種類型的許可證授權。
一般學習機庫：
這兩個類似的Weka。但是他們有效率。
1.Shark（LGPL）
https://github.com/Shark-ML/Shark/
2.Waffles（LGPL）
http://waffles.sourceforge.net/
SVM等線性分類器：
1.LibSVM（BSD風格）
2.LibLi附近（BSD風格）
http://www.csie.ntu.edu.tw/~cjlin/libsvm/
所有這些都是在C++中。
這不是C++，但你考慮使用R.特別是，看看the machine learning view on CRAN，它顯示了許多上述庫，包括Weka和libsvm。
了一些額外的可能的選擇：
條件隨機域（CRF）： http://www.chokkan.org/software/crfsuite/
隱馬爾可夫模型（HMM）： http://www.cs.au.dk/~asand/?page_id=152
對於一般的ML庫，考慮火炬（版本7，截止撰寫之時）： https://github.com/andresy/torch
Orange系統執行在C++中可以使用，但可以用作庫，但重點在於將其功能作爲用於靈活腳本和可視化編程的Python包裝提供： http://orange.biolab.si/
https://github.com/josephmisiti/awesome-machine-learning – 2015-04-13 00:47:15