編者按：機器學習是目前最炙手可熱的技術之一，各大公司都在積極招聘相關的編程人才，來填補機器學習和深度學習代碼編寫的空缺。誠然，根據(jù)相關的招聘統(tǒng)計數(shù)據(jù)，Python 語言目前已經(jīng)超越 Java 成為雇主最亟須的機器學習編程技能。但事實上，Java 在項目開發(fā)中仍然發(fā)揮著不可替代的作用，并且許多流行的機器學習框架本身就是由 Java 寫成的。鑒于此前有關 Python 的參考資料已經(jīng)很多，而鮮見 Java 的，因此，今天我們在這里推薦五個業(yè)內頂尖的 Java 機器學習庫。原文載于網(wǎng)站，雷鋒網(wǎng)()編譯。
毫無疑問，Weka 是目前首選的 Java 機器學習庫。
它由新西蘭懷卡托大學（University of Waikato）的機器學習項目組研發(fā)。其命名來源于一種新西蘭特有的不會飛的鳥——新西蘭秧雞，新西蘭秧雞的英文名稱就是 Weka。按照官網(wǎng)描述，Weka 吸收了許多目前常用的機器學習算法，并且完全基于 Java 環(huán)境，開源，免費，具有易于使用的圖形界面，適合于數(shù)據(jù)挖掘，數(shù)據(jù)分析和預測建模等多種應用場景。
來自懷卡托大學的計算機科學教授 Eibe Frank 表示：“Weka 最大的優(yōu)勢在于分類，因此需要自動數(shù)據(jù)分類的應用程序可以從中獲益。但同時它也支持數(shù)據(jù)預處理、聚類、關聯(lián)規(guī)則挖掘、時間序列預測、特征選擇、和異常檢測等場景?！?/p>
開發(fā)者可以直接通過 Weka 軟件處理目標數(shù)據(jù)集，同時也支持用戶在自己編寫的代碼中調用，將 Weka 視為一個靈活的組件。更貼心的是，懷卡托大學還提供了許多免費的基于 Weka 的數(shù)據(jù)挖掘和機器學習視頻教程，感興趣的朋友可以在 Weka 官網(wǎng)點擊查看。
Massive Online Analysis (MOA)
和 Weka 一脈相承，MOA 的命名也是來源于一種新西蘭特有的無翼大鳥——新西蘭恐鳥（目前已滅絕）。MOA 也是基于 Java 環(huán)境，開源，免費，在面對復雜問題時，MOA 還能和 Weka 協(xié)同工作。
MOA 在運算效率和內存占用方面都做了特殊優(yōu)化，通過提供易于擴展的底層結構、可復用的數(shù)據(jù)流分析設置以及一系列內部實現(xiàn)好機器學習算法，MOA 為實時數(shù)據(jù)流分析提供了一個非常優(yōu)秀的基準框架，因此在實時數(shù)據(jù)流挖掘領域的應用非常廣泛。其內部實現(xiàn)的機器學習算法包括：分類、回歸、聚類、孤立點檢測、概念漂移檢測和推薦系統(tǒng)等。此外，MOA 還提供了多種評估工具，以及活躍的社區(qū)討論、博客等配套資源。
Deeplearning4j地址：
Deeplearning4j（Deep Learning For Java）是 Java 和 Scala 環(huán)境下的一個開源分布式的深度學習項目，由總部位于美國舊金山的商業(yè)智能和企業(yè)軟件公司 Skymind 牽頭開發(fā)，并得到了騰訊的投資。正如它的命名，Deeplearning4j 的運行需要 Java 虛擬機 JVM 的支持。
去年，JAXenter 社區(qū)曾提名 Deeplearning4j 作為 Java 生態(tài)系統(tǒng)最具創(chuàng)新的貢獻者之一。
Deeplearning4j 旨在為工作在 Hadoop 框架下的 Java、Scala 和 Clojure 程序員提供一個可以靈活 DIY 的機器學習工具。團隊在官網(wǎng)表示，他們希望通過一些機器學習算法的開發(fā)，將商業(yè)帶入智能化數(shù)據(jù)的時代。也正是為了實現(xiàn)這一理想，惠及更多的用戶，因此選擇了移植性更好的 Java 環(huán)境來實現(xiàn)這些算法。目前，Deeplearning4j 在模式識別、時間序列檢測和基于語音、文本的情感識別方面應用廣泛，包括谷歌、Facebook和微軟等巨頭公司都是它的用戶。
MALLET主要由來自麻省大學（University of Massachusetts）的Andrew McCallum教授和其學生開發(fā)，是一個基于 Java 環(huán)境的開源機器學習工具包。主要應用于統(tǒng)計自然語言處理，文檔分類，聚類，主題建模，信息提取等文本類分析場景。
MALLET 內部實現(xiàn)了許多功能強大的工具，包括用于文檔分類的高級工具，用于序列標記的工具，和用于主題建模的工具等。MALLET 還支持各種類型的算法，包括樸素貝葉斯，決策樹和最大熵等。此外，MALLET 還提供了許多例程，包括分詞，刪除停用詞，將文本轉換為向量表示等。
ELKI地址：
ELKI 的全稱是：Environment for Developing KDD-Applications Supported by Index-Structures，即由索引結構支持的 KDD 應用開發(fā)環(huán)境，這里 KDD 是指 Knowledge Discovery in Database，即知識發(fā)現(xiàn)。
ELKI 也是一款知名的基于 Java 環(huán)境的數(shù)據(jù)挖掘軟件。ELKI 的重點是算法研究，強調聚類分析，數(shù)據(jù)庫索引和孤立點檢測等無監(jiān)督方法。ELKI 可以對數(shù)據(jù)挖掘算法和數(shù)據(jù)管理任務進行各自獨立的分析，這在其他數(shù)據(jù)挖掘框架（如 Weta 和 Rapidminer）中是獨一無二的。此外，ELKI 還支持各種數(shù)據(jù)類型和文件格式，以及各種相似性度量方法。
ELKI 專為研究人員和學生設計，提供了大量可靈活配置的算法參數(shù)，以便進行簡單和公平的算法評估。目前 ELKI 已經(jīng)被廣泛應用于各種數(shù)據(jù)科學的相關領域，包括鯨魚的回聲定位，航天飛行操作，共享單車分配和交通預測等。
來源：jaxenter，雷鋒網(wǎng)編譯
