網(wǎng)上有很多關(guān)于全國pos機(jī)資源,大神整理的機(jī)器學(xué)習(xí)資源大全的知識，也有很多人為大家解答關(guān)于全國pos機(jī)資源的問題，今天pos機(jī)之家(www.afbey.com)為大家整理了關(guān)于這方面的知識，讓我們一起來看下吧!

本文目錄一覽：

1、全國pos機(jī)資源

2、pos打印機(jī)怎么聯(lián)網(wǎng)？

全國pos機(jī)資源

本文匯編了一些機(jī)器學(xué)習(xí)領(lǐng)域的框架、庫以及軟件（按編程語言排序）。

1. C++

1.1 計(jì)算機(jī)視覺

CCV —基于C語言/提供緩存/核心的機(jī)器視覺庫，新穎的機(jī)器視覺庫OpenCV—它提供C++, C, Python, Java 以及 Matlab接口，并支持Windows, Linux, Android and Mac OS操作系統(tǒng)。

1.2 機(jī)器學(xué)習(xí)

MLPackDLibecoggshark

2. Closure

Closure Toolbox—Clojure語言庫與工具的分類目錄

3.Go

3.1 自然語言處理

go-porterstemmer—一個(gè)Porter詞干提取算法的原生Go語言凈室實(shí)現(xiàn)paicehusk—Paice/Husk詞干提取算法的Go語言實(shí)現(xiàn)snowball—Go語言版的Snowball詞干提取器

3.2 機(jī)器學(xué)習(xí)

Go Learn— Go語言機(jī)器學(xué)習(xí)庫go-pr —Go語言機(jī)器學(xué)習(xí)包.bayesian—Go語言樸素貝葉斯分類庫。go-galib—Go語言遺傳算法庫。

3.3 數(shù)據(jù)分析/數(shù)據(jù)可視化

go-graph—Go語言圖形庫。SVGo—Go語言的SVG生成庫。

4. Java

4.1 自然語言處理

CoreNLP—斯坦福大學(xué)的CoreNLP提供一系列的自然語言處理工具，輸入原始英語文本，可以給出單詞的基本形式（下面Stanford開頭的幾個(gè)工具都包含其中）。Stanford Parser—一個(gè)自然語言解析器。Stanford POS Tagger —一個(gè)詞性分類器。Stanford Name Entity Recognizer—Java實(shí)現(xiàn)的名稱識別器Stanford Word Segmenter—分詞器，很多NLP工作中都要用到的標(biāo)準(zhǔn)預(yù)處理步驟。Tregex, Tsurgeon and Semgrex —用來在樹狀數(shù)據(jù)結(jié)構(gòu)中進(jìn)行模式匹配，基于樹關(guān)系以及節(jié)點(diǎn)匹配的正則表達(dá)式（名字是“tree regular expressions”的縮寫）。Stanford Phrasal:最新的基于統(tǒng)計(jì)短語的機(jī)器翻譯系統(tǒng)，java編寫Stanford Tokens Regex—用以定義文本模式的框架。Stanford Temporal Tagger—SUTime是一個(gè)識別并標(biāo)準(zhǔn)化時(shí)間表達(dá)式的庫。Stanford SPIED—在種子集上使用模式，以迭代方式從無標(biāo)簽文本中學(xué)習(xí)字符實(shí)體Stanford Topic Modeling Toolbox —為社會科學(xué)家及其他希望分析數(shù)據(jù)集的人員提供的主題建模工具。Twitter Text Java—Java實(shí)現(xiàn)的推特文本處理庫MALLET -—基于Java的統(tǒng)計(jì)自然語言處理、文檔分類、聚類、主題建模、信息提取以及其他機(jī)器學(xué)習(xí)文本應(yīng)用包。OpenNLP—處理自然語言文本的機(jī)器學(xué)習(xí)工具包。LingPipe —使用計(jì)算機(jī)語言學(xué)處理文本的工具包。

4.2 機(jī)器學(xué)習(xí)

MLlib in Apache Spark—Spark中的分布式機(jī)器學(xué)習(xí)程序庫Mahout —分布式的機(jī)器學(xué)習(xí)庫Stanford Classifier —斯坦福大學(xué)的分類器Weka—Weka是數(shù)據(jù)挖掘方面的機(jī)器學(xué)習(xí)算法集。ORYX—提供一個(gè)簡單的大規(guī)模實(shí)時(shí)機(jī)器學(xué)習(xí)/預(yù)測分析基礎(chǔ)架構(gòu)。

4.3 數(shù)據(jù)分析/數(shù)據(jù)可視化

Hadoop—大數(shù)據(jù)分析平臺Spark—快速通用的大規(guī)模數(shù)據(jù)處理引擎。Impala —為Hadoop實(shí)現(xiàn)實(shí)時(shí)查詢

5. Javascript

5.1 自然語言處理

Twitter-text-js —JavaScript實(shí)現(xiàn)的推特文本處理庫NLP.js —javascript及coffeescript編寫的NLP工具natural—Node下的通用NLP工具Knwl.js—JS編寫的自然語言處理器

5.2 數(shù)據(jù)分析/數(shù)據(jù)可視化

D3.jsHigh ChartsNVD3.jsdc.jschartjsdimpleamCharts

5.3 機(jī)器學(xué)習(xí)

ConvNET.js—訓(xùn)練深度學(xué)習(xí)模型的JavaScript庫。Clustering.js—用JavaScript實(shí)現(xiàn)的聚類算法，供Node.js及瀏覽器使用。Decision Trees—Node.js實(shí)現(xiàn)的決策樹，使用ID3算法。Node-fann —Node.js下的快速人工神經(jīng)網(wǎng)絡(luò)庫。Kmeans.js—k-means算法的簡單Javascript實(shí)現(xiàn)，供Node.js及瀏覽器使用。LDA.js —供Node.js用的LDA主題建模工具。Learning.js—邏輯回歸/c4.5決策樹的JavaScript實(shí)現(xiàn)Machine Learning—Node.js的機(jī)器學(xué)習(xí)庫。Node-SVM—Node.js的支持向量機(jī)Brain —JavaScript實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)Bayesian-Bandit —貝葉斯強(qiáng)盜算法的實(shí)現(xiàn)，供Node.js及瀏覽器使用。

6. Julia

6.1 機(jī)器學(xué)習(xí)

PGM—Julia實(shí)現(xiàn)的概率圖模型框架。DA—Julia實(shí)現(xiàn)的正則化判別分析包。Regression—回歸分析算法包（如線性回歸和邏輯回歸）。Local Regression —局部回歸，非常平滑！Naive Bayes —樸素貝葉斯的簡單Julia實(shí)現(xiàn)Mixed Models —（統(tǒng)計(jì)）混合效應(yīng)模型的Julia包Simple MCMC —Julia實(shí)現(xiàn)的基本mcmc采樣器Distance—Julia實(shí)現(xiàn)的距離評估模塊Decision Tree —決策樹分類器及回歸分析器Neural —Julia實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)MCMC —Julia下的MCMC工具GLM —Julia寫的廣義線性模型包Online LearningGLMNet —GMLNet的Julia包裝版，適合套索/彈性網(wǎng)模型。Clustering—數(shù)據(jù)聚類的基本函數(shù)：k-means, dp-means等。SVM—Julia下的支持向量機(jī)。Kernal Density—Julia下的核密度估計(jì)器Dimensionality Reduction—降維算法NMF —Julia下的非負(fù)矩陣分解包ANN—Julia實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)

6.2 自然語言處理

Topic Models —Julia下的主題建模Text Analysis—Julia下的文本分析包

6.3 數(shù)據(jù)分析/數(shù)據(jù)可視化

Graph Layout —純Julia實(shí)現(xiàn)的圖布局算法。Data Frames Meta —DataFrames的元編程工具。Julia Data—處理表格數(shù)據(jù)的Julia庫Data Read—從Stata、SAS、SPSS讀取文件Hypothesis Tests—Julia中的假設(shè)檢驗(yàn)包Gladfly —Julia編寫的靈巧的統(tǒng)計(jì)繪圖系統(tǒng)。Stats—Julia編寫的統(tǒng)計(jì)測試函數(shù)包RDataSets —讀取R語言中眾多可用的數(shù)據(jù)集的Julia函數(shù)包。DataFrames —處理表格數(shù)據(jù)的Julia庫。Distributions—概率分布及相關(guān)函數(shù)的Julia包。Data Arrays —元素值可以為空的數(shù)據(jù)結(jié)構(gòu)。Time Series—Julia的時(shí)間序列數(shù)據(jù)工具包。Sampling—Julia的基本采樣算法包

6.4 雜項(xiàng)/演示文稿

DSP —數(shù)字信號處理JuliaCon Presentations—Julia大會上的演示文稿SignalProcessing—Julia的信號處理工具Images—Julia的圖片庫

7. Lua

7.1 機(jī)器學(xué)習(xí)

Torch7cephes —Cephes數(shù)學(xué)函數(shù)庫，包裝成Torch可用形式。提供并包裝了超過180個(gè)特殊的數(shù)學(xué)函數(shù)，由Stephen L. Moshier開發(fā)，是SciPy的核心，應(yīng)用于很多場合。graph —供Torch使用的圖形包。randomkit—從Numpy提取的隨機(jī)數(shù)生成包，包裝成Torch可用形式。signal —Torch-7可用的信號處理工具包，可進(jìn)行FFT, DCT, Hilbert, cepstrums, stft等變換。nn —Torch可用的神經(jīng)網(wǎng)絡(luò)包。nngraph —為nn庫提供圖形計(jì)算能力。nnx—一個(gè)不穩(wěn)定實(shí)驗(yàn)性的包，擴(kuò)展Torch內(nèi)置的nn庫。optim—Torch可用的優(yōu)化算法庫，包括 SGD, Adagrad, 共軛梯度算法, LBFGS, RProp等算法。unsup—Torch下的非監(jiān)督學(xué)習(xí)包。提供的模塊與nn(LinearPsd, ConvPsd, AutoEncoder, …)及獨(dú)立算法 (k-means, PCA)等兼容。manifold—操作流形的包。svm—Torch的支持向量機(jī)庫。lbfgs—將liblbfgs包裝為FFI接口。vowpalwabbit —老版的vowpalwabbit對torch的接口。OpenGM—OpenGM是C++編寫的圖形建模及推斷庫，該binding可以用Lua以簡單的方式描述圖形，然后用OpenGM優(yōu)化。sphagetti —MichaelMathieu為torch7編寫的稀疏線性模塊。LuaSHKit —將局部敏感哈希庫SHKit包裝成lua可用形式。kernel smoothing —KNN、核權(quán)平均以及局部線性回歸平滑器cutorch—torch的CUDA后端實(shí)現(xiàn)cunn —torch的CUDA神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)。imgraph—torch的圖像/圖形庫，提供從圖像創(chuàng)建圖形、分割、建立樹、又轉(zhuǎn)化回圖像的例程videograph—torch的視頻/圖形庫，提供從視頻創(chuàng)建圖形、分割、建立樹、又轉(zhuǎn)化回視頻的例程saliency —積分圖像的代碼和工具，用來從快速積分直方圖中尋找興趣點(diǎn)。stitch —使用hugin拼合圖像并將其生成視頻序列。sfm—運(yùn)動場景束調(diào)整/結(jié)構(gòu)包fex —torch的特征提取包，提供SIFT和dSIFT模塊。OverFeat—當(dāng)前最高水準(zhǔn)的通用密度特征提取器。Numeric LuaLunatic PythonSciLuaLua – Numerical AlgorithmsLunum

7.2 演示及腳本

Core torch7 demos repository.核心torch7演示程序庫線性回歸、邏輯回歸人臉檢測（訓(xùn)練和檢測是獨(dú)立的演示）基于mst的斷詞器train-a-digit-classifiertrain-autoencoderoptical flow demotrain-on-housenumberstrain-on-cifartracking with deep netskinect demo濾波可視化saliency-networksTraining a Convnet for the Galaxy-Zoo Kaggle challenge(CUDA demo)Music Tagging—torch7下的音樂標(biāo)簽?zāi)_本torch-datasets 讀取幾個(gè)流行的數(shù)據(jù)集的腳本，包括：BSR 500CIFAR-10COILStreet View House NumbersMNISTNORBAtari2600 —在Arcade Learning Environment模擬器中用靜態(tài)幀生成數(shù)據(jù)集的腳本。

8. Matlab

8.1 計(jì)算機(jī)視覺

Contourlets —實(shí)現(xiàn)輪廓波變換及其使用函數(shù)的MATLAB源代碼Shearlets—剪切波變換的MATLAB源碼Curvelets—Curvelet變換的MATLAB源碼（Curvelet變換是對小波變換向更高維的推廣，用來在不同尺度角度表示圖像。）Bandlets—Bandlets變換的MATLAB源碼

8.2 自然語言處理

NLP —一個(gè)Matlab的NLP庫

8.3 機(jī)器學(xué)習(xí)

Training a deep autoencoder or a classifier on MNIST digits—在MNIST字符數(shù)據(jù)集上訓(xùn)練一個(gè)深度的autoencoder或分類器[深度學(xué)習(xí)]。t-Distributed Stochastic Neighbor Embedding —獲獎的降維技術(shù)，特別適合于高維數(shù)據(jù)集的可視化Spider—Matlab機(jī)器學(xué)習(xí)的完整面向?qū)ο蟓h(huán)境。LibSVM —支持向量機(jī)程序庫LibLinear —大型線性分類程序庫Machine Learning Module —M. A .Girolami教授的機(jī)器學(xué)習(xí)課程，包括PDF，講義及代碼。Caffe—考慮了代碼清潔、可讀性及速度的深度學(xué)習(xí)框架Pattern Recognition Toolbox —Matlab中的模式識別工具包，完全面向?qū)ο?p>8.4 數(shù)據(jù)分析/數(shù)據(jù)可視化

matlab_gbl—處理圖像的Matlab包gamic—圖像算法純Matlab高效實(shí)現(xiàn)，對MatlabBGL的mex函數(shù)是個(gè)補(bǔ)充。

9. .NET

9.1 計(jì)算機(jī)視覺

OpenCVDotNet —包裝器，使.NET程序能使用OpenCV代碼Emgu CV—跨平臺的包裝器，能在Windows, Linus, Mac OS X, iOS, 和Android上編譯。

9.2 自然語言處理

Stanford.NLP for .NET —斯坦福大學(xué)NLP包在.NET上的完全移植，還可作為NuGet包進(jìn)行預(yù)編譯。

9.3 通用機(jī)器學(xué)習(xí)

Accord.MachineLearning —支持向量機(jī)、決策樹、樸素貝葉斯模型、K-means、高斯混合模型和機(jī)器學(xué)習(xí)應(yīng)用的通用算法，例如：隨機(jī)抽樣一致性算法、交叉驗(yàn)證、網(wǎng)格搜索。這個(gè)包是Accord.NET框架的一部分。Vulpes—F#語言實(shí)現(xiàn)的Deep belief和深度學(xué)習(xí)包，它在Alea.cuBase下利用CUDA GPU來執(zhí)行。Encog —先進(jìn)的神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)框架，包括用來創(chuàng)建多種網(wǎng)絡(luò)的類，也支持神經(jīng)網(wǎng)絡(luò)需要的數(shù)據(jù)規(guī)則化及處理的類。它的訓(xùn)練采用多線程彈性傳播。它也能使用GPU加快處理時(shí)間。提供了圖形化界面來幫助建模和訓(xùn)練神經(jīng)網(wǎng)絡(luò)。Neural Network Designer —這是一個(gè)數(shù)據(jù)庫管理系統(tǒng)和神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)器。設(shè)計(jì)器用WPF開發(fā)，也是一個(gè)UI，你可以設(shè)計(jì)你的神經(jīng)網(wǎng)絡(luò)、查詢網(wǎng)絡(luò)、創(chuàng)建并配置聊天機(jī)器人，它能問問題，并從你的反饋中學(xué)習(xí)。這些機(jī)器人甚至可以從網(wǎng)絡(luò)搜集信息用來輸出，或是用來學(xué)習(xí)。

9.4 數(shù)據(jù)分析/數(shù)據(jù)可視化

numl —numl這個(gè)機(jī)器學(xué)習(xí)庫，目標(biāo)就是簡化預(yù)測和聚類的標(biāo)準(zhǔn)建模技術(shù)。Math.NET Numerics—Math.NET項(xiàng)目的數(shù)值計(jì)算基礎(chǔ)，著眼提供科學(xué)、工程以及日常數(shù)值計(jì)算的方法和算法。支持 Windows, Linux 和 Mac上的 .Net 4.0, .Net 3.5 和 Mono ，Silverlight 5, WindowsPhone/SL 8, WindowsPhone 8.1 以及裝有 PCL Portable Profiles 47 及 344的Windows 8， 裝有 Xamarin的Android/iOS 。Sho —Sho是數(shù)據(jù)分析和科學(xué)計(jì)算的交互式環(huán)境，可以讓你將腳本（IronPython語言）和編譯的代碼（.NET）無縫連接，以快速靈活的建立原型。這個(gè)環(huán)境包括強(qiáng)大高效的庫，如線性代數(shù)、數(shù)據(jù)可視化，可供任何.NET語言使用，還為快速開發(fā)提供了功能豐富的交互式shell。

10. Python

10.1 計(jì)算機(jī)視覺

SimpleCV—開源的計(jì)算機(jī)視覺框架，可以訪問如OpenCV等高性能計(jì)算機(jī)視覺庫。使用Python編寫，可以在Mac、Windows以及Ubuntu上運(yùn)行。

10.2 自然語言處理

NLTK —一個(gè)領(lǐng)先的平臺，用來編寫處理人類語言數(shù)據(jù)的Python程序Pattern—Python可用的web挖掘模塊，包括自然語言處理、機(jī)器學(xué)習(xí)等工具。TextBlob—為普通自然語言處理任務(wù)提供一致的API，以NLTK和Pattern為基礎(chǔ)，并和兩者都能很好兼容。jieba—中文斷詞工具。SnowNLP —中文文本處理庫。loso—另一個(gè)中文斷詞庫。genius —基于條件隨機(jī)域的中文斷詞庫。nut —自然語言理解工具包。

10.3 機(jī)器學(xué)習(xí)

Bayesian Methods for Hackers —Python語言概率規(guī)劃的電子書MLlib in Apache Spark—Spark下的分布式機(jī)器學(xué)習(xí)庫。scikit-learn—基于SciPy的機(jī)器學(xué)習(xí)模塊graphlab-create —包含多種機(jī)器學(xué)習(xí)模塊的庫（回歸，聚類，推薦系統(tǒng)，圖分析等），基于可以磁盤存儲的DataFrame。BigML—連接外部服務(wù)器的庫。pattern—Python的web挖掘模塊NuPIC—Numenta公司的智能計(jì)算平臺。Pylearn2—基于Theano的機(jī)器學(xué)習(xí)庫。hebel —Python編寫的使用GPU加速的深度學(xué)習(xí)庫。gensim—主題建模工具。PyBrain—另一個(gè)機(jī)器學(xué)習(xí)庫。Crab —可擴(kuò)展的、快速推薦引擎。python-recsys —Python實(shí)現(xiàn)的推薦系統(tǒng)。thinking bayes—關(guān)于貝葉斯分析的書籍Restricted Boltzmann Machines —Python實(shí)現(xiàn)的受限波爾茲曼機(jī)。[深度學(xué)習(xí)]。Bolt —在線學(xué)習(xí)工具箱。CoverTree —cover tree的Python實(shí)現(xiàn)，scipy.spatial.kdtree便捷的替代。nilearn—Python實(shí)現(xiàn)的神經(jīng)影像學(xué)機(jī)器學(xué)習(xí)庫。Shogun—機(jī)器學(xué)習(xí)工具箱。Pyevolve —遺傳算法框架。Caffe —考慮了代碼清潔、可讀性及速度的深度學(xué)習(xí)框架breze—深度及遞歸神經(jīng)網(wǎng)絡(luò)的程序庫，基于Theano。

10.4 數(shù)據(jù)分析/數(shù)據(jù)可視化

SciPy —基于Python的數(shù)學(xué)、科學(xué)、工程開源軟件生態(tài)系統(tǒng)。NumPy—Python科學(xué)計(jì)算基礎(chǔ)包。Numba —Python的低級虛擬機(jī)JIT編譯器，Cython and NumPy的開發(fā)者編寫，供科學(xué)計(jì)算使用NetworkX —為復(fù)雜網(wǎng)絡(luò)使用的高效軟件。Pandas—這個(gè)庫提供了高性能、易用的數(shù)據(jù)結(jié)構(gòu)及數(shù)據(jù)分析工具。Open Mining—Python中的商業(yè)智能工具（Pandas web接口）。PyMC —MCMC采樣工具包。zipline—Python的算法交易庫。PyDy—全名Python Dynamics，協(xié)助基于NumPy, SciPy, iPython以及 matplotlib的動態(tài)建模工作流。SymPy —符號數(shù)學(xué)Python庫。statsmodels—Python的統(tǒng)計(jì)建模及計(jì)量經(jīng)濟(jì)學(xué)庫。astropy —Python天文學(xué)程序庫，社區(qū)協(xié)作編寫matplotlib —Python的2D繪圖庫。bokeh—Python的交互式Web繪圖庫。plotly —Python and matplotlib的協(xié)作web繪圖庫。vincent—將Python數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換為Vega可視化語法。d3py—Python的繪圖庫，基于D3.js。ggplot —和R語言里的ggplot2提供同樣的API。Kartograph.py—Python中渲染SVG圖的庫，效果漂亮。pygal—Python下的SVG圖表生成器。pycascading

10.5 雜項(xiàng)腳本/iPython筆記/代碼庫

pattern_classificationthinking stats 2hyperoptnumpic2012-paper-diginormipython-notebooksdecision-weightsSarah Palin LDA —Sarah Palin關(guān)于主題建模的電郵。Diffusion Segmentation —基于擴(kuò)散方法的圖像分割算法集合。Scipy Tutorials —SciPy教程，已過時(shí)，請查看scipy-lecture-notesCrab—Python的推薦引擎庫。BayesPy—Python中的貝葉斯推斷工具。scikit-learn tutorials—scikit-learn學(xué)習(xí)筆記系列sentiment-analyzer —推特情緒分析器group-lasso—坐標(biāo)下降算法實(shí)驗(yàn)，應(yīng)用于（稀疏）群套索模型。mne-python-notebooks—使用 mne-python進(jìn)行EEG/MEG數(shù)據(jù)處理的IPython筆記pandas cookbook—使用Python pandas庫的方法書。climin—機(jī)器學(xué)習(xí)的優(yōu)化程序庫，用Python實(shí)現(xiàn)了梯度下降、LBFGS、rmsprop、adadelta 等算法。

10.6 Kaggle競賽源代碼

wiki challange —Kaggle上一個(gè)維基預(yù)測挑戰(zhàn)賽 Dell Zhang解法的實(shí)現(xiàn)。kaggle insults—Kaggle上”從社交媒體評論中檢測辱罵“競賽提交的代碼kaggle_acquire-valued-shoppers-challenge—Kaggle預(yù)測回頭客挑戰(zhàn)賽的代碼kaggle-cifar —Kaggle上CIFAR-10 競賽的代碼，使用cuda-convnetkaggle-blackbox —Kaggle上blackbox賽代碼，關(guān)于深度學(xué)習(xí)。kaggle-accelerometer —Kaggle上加速度計(jì)數(shù)據(jù)識別用戶競賽的代碼kaggle-advertised-salaries —Kaggle上用廣告預(yù)測工資競賽的代碼kaggle amazon —Kaggle上給定員工角色預(yù)測其訪問需求競賽的代碼kaggle-bestbuy_big—Kaggle上根據(jù)bestbuy用戶查詢預(yù)測點(diǎn)擊商品競賽的代碼（大數(shù)據(jù)版）kaggle-bestbuy_small—Kaggle上根據(jù)bestbuy用戶查詢預(yù)測點(diǎn)擊商品競賽的代碼（小數(shù)據(jù)版）Kaggle Dogs vs. Cats —Kaggle上從圖片中識別貓和狗競賽的代碼Kaggle Galaxy Challenge —Kaggle上遙遠(yuǎn)星系形態(tài)分類競賽的優(yōu)勝代碼Kaggle Gender —Kaggle競賽：從筆跡區(qū)分性別Kaggle Merck—Kaggle上預(yù)測藥物分子活性競賽的代碼（默克制藥贊助）Kaggle Stackoverflow—Kaggle上 預(yù)測Stack Overflow網(wǎng)站問題是否會被關(guān)閉競賽的代碼wine-quality —預(yù)測紅酒質(zhì)量。

11. Ruby

11.1 自然語言處理

Treat—文本檢索與注釋工具包，Ruby上我見過的最全面的工具包。Ruby Linguistics—這個(gè)框架可以用任何語言為Ruby對象構(gòu)建語言學(xué)工具。包括一個(gè)語言無關(guān)的通用前端，一個(gè)將語言代碼映射到語言名的模塊，和一個(gè)含有很有英文語言工具的模塊。Stemmer—使得Ruby可用 libstemmer_c中的接口。Ruby Wordnet —WordNet的Ruby接口庫。Raspel —aspell綁定到Ruby的接口UEA Stemmer—UEALite Stemmer的Ruby移植版，供搜索和檢索用的保守的詞干分析器Twitter-text-rb—該程序庫可以將推特中的用戶名、列表和話題標(biāo)簽自動連接并提取出來。

11.2 機(jī)器學(xué)習(xí)

Ruby Machine Learning —Ruby實(shí)現(xiàn)的一些機(jī)器學(xué)習(xí)算法。Machine Learning RubyjRuby Mahout —精華！在JRuby世界中釋放了Apache Mahout的威力。CardMagic-Classifier—可用貝葉斯及其他分類法的通用分類器模塊。Neural Networks and Deep Learning—《神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)》一書的示例代碼。

11.3 數(shù)據(jù)分析/數(shù)據(jù)可視化

rsruby – Ruby – R bridgedata-visualization-ruby—關(guān)于數(shù)據(jù)可視化的Ruby Manor演示的源代碼和支持內(nèi)容ruby-plot —將gnuplot包裝為Ruby形式，特別適合將ROC曲線轉(zhuǎn)化為svg文件。plot-rb—基于Vega和D3的ruby繪圖庫scruffy —Ruby下出色的圖形工具包SciRubyGlean—數(shù)據(jù)管理工具BiorubyArel

12. R

12.1 通用機(jī)器學(xué)習(xí)

Clever Algorithms For Machine LearningMachine Learning For HackersMachine Learning Task View on CRAN—R語言機(jī)器學(xué)習(xí)包列表，按算法類型分組。caret—R語言150個(gè)機(jī)器學(xué)習(xí)算法的統(tǒng)一接口SuperLearner and subsemble—該包集合了多種機(jī)器學(xué)習(xí)算法Introduction to Statistical Learning

12.2 數(shù)據(jù)分析/數(shù)據(jù)可視化

Learning Statistics Using Rggplot2—基于圖形語法的數(shù)據(jù)可視化包。

13. Scala

13.1 自然語言處理

ScalaNLP—機(jī)器學(xué)習(xí)和數(shù)值計(jì)算庫的套裝Breeze —Scala用的數(shù)值處理庫Chalk—自然語言處理庫。FACTORIE—可部署的概率建模工具包，用Scala實(shí)現(xiàn)的軟件庫。為用戶提供簡潔的語言來創(chuàng)建關(guān)系因素圖，評估參數(shù)并進(jìn)行推斷。

13.2 數(shù)據(jù)分析/數(shù)據(jù)可視化

MLlib in Apache Spark—Spark下的分布式機(jī)器學(xué)習(xí)庫Scalding —CAscading的Scala接口Summing Bird—用Scalding 和 Storm進(jìn)行Streaming MapReduceAlgebird —Scala的抽象代數(shù)工具xerial —Scala的數(shù)據(jù)管理工具simmer —化簡你的數(shù)據(jù)，進(jìn)行代數(shù)聚合的unix過濾器PredictionIO —供軟件開發(fā)者和數(shù)據(jù)工程師用的機(jī)器學(xué)習(xí)服務(wù)器。BIDMat—支持大規(guī)模探索性數(shù)據(jù)分析的CPU和GPU加速矩陣庫。

13.3 機(jī)器學(xué)習(xí)

Conjecture—Scalding下可擴(kuò)展的機(jī)器學(xué)習(xí)框架brushfire—scalding下的決策樹工具ganitha —基于scalding的機(jī)器學(xué)習(xí)程序庫adam—使用Apache Avro, Apache Spark 和 Parquet的基因組處理引擎，有專用的文件格式，Apache 2軟件許可。bioscala —Scala語言可用的生物信息學(xué)程序庫BIDMach—機(jī)器學(xué)習(xí)CPU和GPU加速庫。

作者：Poll的筆記

原文：

http://www.cnblogs.com/maybe2030/p/4585777.html

pos打印機(jī)怎么聯(lián)網(wǎng)？

pos打印機(jī)聯(lián)網(wǎng)方法步驟:

【1】開機(jī)和初始化POS機(jī)，使POS機(jī)具進(jìn)入低功耗狀態(tài)；

【2】從運(yùn)營商獲取網(wǎng)絡(luò)資源以建立PPP鏈路；

【3】在PPP鏈路存在的基礎(chǔ)上，與服務(wù)器進(jìn)行后續(xù)的TCP/UDP等IP通訊，完成聯(lián)網(wǎng)。

目前這種可以連接WIFI的pos機(jī)器還是比較少，一般大家使用“移動pos機(jī)”，內(nèi)置流量卡，采用運(yùn)營商的GPRS信號發(fā)送和接收數(shù)據(jù)，與銀聯(lián)或者支付機(jī)構(gòu)聯(lián)網(wǎng)完成交易，或者插入直接插入網(wǎng)線就可以聯(lián)網(wǎng)使用。

以上就是關(guān)于全國pos機(jī)資源,大神整理的機(jī)器學(xué)習(xí)資源大全的知識，后面我們會繼續(xù)為大家整理關(guān)于全國pos機(jī)資源的知識，希望能夠幫助到大家！