javaml
在进行编程收集情报工作时，我发现自己花了很多时间将Python代码转换为Java，通常对我的进度缓慢感到不耐烦，所以我一直在寻找替代方法。
我发现3：
- Encog – Heaton研究
- Java语言
- 威卡
这绝不是深入的研究，我只是下载了相关项目可用的内容，然后Swift比较了我可以用来学习和实现与AI相关的示例/应用程序的内容。
Encog
优点
- You Tube视频教程
- 适用于Java和.Net的电子书
- C＃实现
- 封口包装纸
- 似乎活跃
缺点
- 相当大的代码基础可以绕开您的脑袋，这可能是由于我们正在关注的域的大小，但是与Java ML库相比，它起初更具威胁性。
Java语言
优点
- 似乎相当稳定
- 有据可查的源代码
- 定义明确的简单算法实现
缺点
- 缺乏像我这样的AI新手的教程支持
威卡
优点
- 电子书数据挖掘实用技术
缺点
- 无法安装Weka 3-7-9 dmg…一直给我一个“已损坏，无法打开错误，所以就把它留在那里，就像Sweet Brown所说的：“没有人有时间这样做”。
因此，毫不奇怪，我选择了Encog，并开始了他们的视频教程……。
几个小时之后，第一个JUnit使用Encog库测试了对理解，训练和测试Hopfield神经网络的测试。
参考： 一些基于Java的AI框架：来自Zen的 JCG合作伙伴 Brian Du Preez的Encog，JavaML，Weka ， 涉及IT博客领域 。
翻译自: https://www.javacodegeeks.com/2013/05/some-java-based-ai-frameworks-encog-javaml-weka.html
javaml
