http://www.yidianzixun.com/article/0GjXDdGP [TOC] [Python](http://www.yidianzixun.com/channel/w/python)由于本身的易用优势和强大的工具库储备，成为了在[人工智能](http://www.yidianzixun.com/channel/w/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD)及其它相关科学领域中最常用的语言之一。尤其是在[机器学习](http://www.yidianzixun.com/channel/w/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0)，已然是各大项目最偏爱的语言。 其实除了 Python ，也不乏有开发者用其他语言写出优秀的机器学习项目。在上期的文章中（除了 [Python](http://www.yidianzixun.com/channel/w/python) ，这些语言写的机器学习项目也很牛（一）），我们已经列了一些其他语言（C、C++、Go、Java、Javascript）值得关注的[开源](http://www.yidianzixun.com/channel/w/%E5%BC%80%E6%BA%90)机器学习项目，本期将针对 [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)进行补全，同时应上期留言要求，在文末列了一些 .NET平台上的机器学习项目。 1、PHP **PHP-ML ——机器学习库：https://www.oschina.net/p/php-ml** PHP-ML是 PHP的机器学习库，同时包含算法、交叉验证、神经网络、预处理、特征提取等多种特性。要求 PHP版本 > = 7.0 。 [PHP](http://www.yidianzixun.com/channel/w/php)-ML提供的机器学习算法包括：关联规则学习（Apriori算法）、分类器（SVC、KNN、[贝叶斯](http://www.yidianzixun.com/channel/w/%E8%B4%9D%E5%8F%B6%E6%96%AF)）、回归（最小二乘线性回归、支持向量回归）、聚类（[KMeans](http://www.yidianzixun.com/channel/w/kmeans)、基于密度的[聚类算法](http://www.yidianzixun.com/channel/w/%E8%81%9A%E7%B1%BB%E7%AE%97%E6%B3%95)）、矩阵运算相关（准确率、混肴矩阵、与分类相关的结论如精确度、召回率、F1值、支持率）、模型运算管道（Pipeline）、神经网络（多层感知机）等。  2、Ruby **[Treat](http://www.yidianzixun.com/channel/w/treat) ——自然语言处理框架：https://github.com/louismullie/treat** Treat是一个自然语言处理和计算语言学的工具包。[Treat](http://www.yidianzixun.com/channel/w/treat)项目旨在为 [Ruby](http://www.yidianzixun.com/channel/w/ruby)构建一个语言和算法均不可知的 NLP框架，支持文档检索、文本分块、分段和标记化等任务，自然语言解析，词性标注，关键字提取和命名实体识别。  **Classifier ——通用分类器模块：https://github.com/cardmagic/classifier** Classifier是可用[贝叶斯](http://www.yidianzixun.com/channel/w/%E8%B4%9D%E5%8F%B6%E6%96%AF)算法及其他分类法的通用分类器模块。[贝叶斯分类器](http://www.yidianzixun.com/channel/w/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E7%B1%BB%E5%99%A8)的分类原理是通过某对象的先验概率，利用[贝叶斯公式](http://www.yidianzixun.com/channel/w/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%85%AC%E5%BC%8F)计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类，具有准确、快速、[内存](http://www.yidianzixun.com/channel/w/%E5%86%85%E5%AD%98)要求适当等特点。  3、Objective C **MLPNeuralNet ——多层感知器：https://github.com/nikolaypavlov/MLPNeuralNet** MLPNeuralNet是适用于 iOS和 [Mac](http://www.yidianzixun.com/channel/w/mac) OS X的快速多层感知器神经网络库。它使用矢量操作和硬件加速（如果可用）构建在苹果加速框架之上，通过训练有素的神经网络预测新的示例。  4、Swift **[Bender](http://www.yidianzixun.com/channel/w/bender) ——机器学习框架：https://github.com/xmartlabs/Bender** Bender是 MetalPerformanceShaders之上的一个抽象层（abstraction layer），可用于操作神经网络，旨在更轻松地在 iOS上运行预训练的网络。它可以让你轻松使用卷积、池化、全连接和一些规范化等最常见的层，从而轻松地定义和运行神经网络。 目前 Bender有一个用于 TensorFlow的适配器（[adapter](http://www.yidianzixun.com/channel/w/adapter)），其可以加载带有变量的图（graph），并将其「[翻译](http://www.yidianzixun.com/channel/w/%E7%BF%BB%E8%AF%91)」成 [Bender](http://www.yidianzixun.com/channel/w/bender)的层（layer）。  **Swift AI —— [深度学习](http://www.yidianzixun.com/channel/w/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0)库：https://github.com/Swift-AI/Swift-AI** Swift AI是一个完全由 [Swift](http://www.yidianzixun.com/channel/w/swift)编写的高性能 AI和机器学习库，包含用于人工智能和科学应用的常用工具集，支持卷积神经网络、循环神经网络、遗传算法库、快速线性代数库、信号处理库等。这些工具采用先进的[并行处理技术](http://www.yidianzixun.com/channel/w/%E5%B9%B6%E8%A1%8C%E5%A4%84%E7%90%86%E6%8A%80%E6%9C%AF)，专门针对 iOS和 OS X硬件进行了优化，目前支持所有的 [Apple](http://www.yidianzixun.com/channel/w/apple)平台，并计划推出 [Linux](http://www.yidianzixun.com/channel/w/linux)版本支持。  5、Scala **[Breeze](http://www.yidianzixun.com/channel/w/breeze) ——数值处理库：https://github.com/scalanlp/breeze** Breeze是一个数值处理库，是 ScalaNLP的核心库，包括线性代数、数值计算和优化，目标是实现通用、干净、强大，且不牺牲性能（高效）的机器学习方法。 [Scala](http://www.yidianzixun.com/channel/w/scala)NLP包含 [Breeze](http://www.yidianzixun.com/channel/w/breeze)和 Epic（一个高性能的统计解析器和结构化预测库）。  **BIDMach ——机器学习库：https://github.com/BIDData/BIDMach** BIDMach是一个速度非常快的机器学习库，支持逻辑回归、K-means、矩阵分解、随机森林、LDA等。它是 BIDMat的一个姊妹项目，BIDMat是一个矩阵库。 BID[Mac](http://www.yidianzixun.com/channel/w/mac)h在一些评测中甚至跑出了比 Spark还好的结果。  6、.NET **numl ——机器学习框架：http://numl.net/index.html** numl是一个小巧的，包含比较多的机器学习算法类库，支持监督式和非监督式学习。支持很多常见的机器学习算法，包括 Cluster、[KMeans](http://www.yidianzixun.com/channel/w/kmeans)、PCA、DecisionTree、KNN、NaiveBayes、NeuralNetwork等学习算法，功能强大，同时也包括一些数值计算的实现。  **Accord.NET ——机器学习框架：https://github.com/accord-net/framework/** Accord.NET为 .NET提供机器学习、统计、[人工智能](http://www.yidianzixun.com/channel/w/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD)、计算机视觉和图像处理方法。它可以在 [Microsoft](http://www.yidianzixun.com/channel/w/microsoft) Windows、Xamarin、Unity3D、Windows Store应用，[Linux](http://www.yidianzixun.com/channel/w/linux)和[移动设备](http://www.yidianzixun.com/channel/w/%E7%A7%BB%E5%8A%A8%E8%AE%BE%E5%A4%87)上使用。 在与 AForge.NET项目合并之后，该框架现在提供了一个用于学习/训练[机器学习](http://www.yidianzixun.com/channel/w/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0)模型的统一 API ，其易于使用和可扩展。