开源数据科学项目做出贡献
Answers:
该朱莉娅项目是一个我作出积极贡献，其中包括先进的计算和XGBoost库。因此，我绝对可以保证它的维护性和社区的素质。
一些非常好的开源数据科学项目，即使是初学者也可以做出贡献：
- Sklearn：sklearn社区始终保持快速发展，向新开发人员和贡献者开放。
- H2O：H2O是另一个快速发展的数据科学项目，致力于可扩展的机器学习和深度学习解决方案。
- 转到：开源数据科学路线图和资源。这不是一个真正的技术项目，但是对于绝对的初学者和有抱负的分析师来说非常有帮助。
- Pylearn2：另一个快速发展的机器学习和深度学习项目。
- Vowpal Wabbit：Vowpal Wabbit（VW）项目是由Microsoft Research和（先前）Yahoo！赞助的一种快速的核心学习系统。研究。
这是有关此类项目的Quora讨论，而本答案中未提及的更多讨论。
这是关于Python中的开源数据科学和ML项目的另一个很好的讨论。
有很多可用的。我不知道是否可以这样做（请告诉我是否有错），但是我开发了一个，并且它已经在git hub上使用了2年以上（实际上是在github之前开始的）。该项目被称为rapaio，是git的枢纽位置，最近我开始写一本手册为它（我的一些朋友问我这个问题）。该手册可在此处找到。
如果您愿意使用Java 8进行开发，并且愿意自己做任何工具，也想尝试一下，那么它将满足您的需求。我只执行两个原则。第一个是只在需要时才写东西。这是因为我坚信，只有在需要工具时，您才能从输出，性能和信息方面知道真正想要的工具。第二个原则是您仅依赖jdk，如果您需要某些内容，则可以编写它。我可以同意我是老式的，但是您可以按照这种方式定制任何功能。
如果我不允许这样做，请再次通知我。尽管由于这是一个开放源代码的计划，但可以回馈那些没有任何利润类型的项目的人，但我看不出为什么不能这样做。
在github上检查此项目：https : //github.com/josephmisiti/awesome-machine-learning。它包含按语言分组的开源项目的完整列表，并提供一些简短说明。我认为您可以在其中找到一些满足您需求的产品。
ELKI（也在GitHub上）是数据挖掘和数据科学开源项目。就其模块化体系结构而言，它是独一无二的：您可以结合算法，距离函数和索引来进行加速而几乎没有限制（当然，不使用距离的算法无法与距离结合）。由于效率高，它不是最简单的代码。对于数据挖掘，您需要注意内存- ArrayList<Integer>如果要获得可伸缩性，则不能使用。
由于采用了模块化架构，因此很容易仅贡献一些小模块，例如单个距离函数或算法。
我们保留一份数据挖掘项目构想清单，按难度大致分组。大多数项目都是算法的某些变体的实现。ELKI旨在允许对算法进行比较研究，因此我们尝试允许任何组合，并涵盖算法的变体。例如，对于k均值，我们不仅具有劳埃德算法，而且具有通用k均值主题的10个变体。在ELKI中重新实现了至少220篇文章（至少部分地）。
通过在同一工具中实施所有操作，我们可以获得可比的结果。如果使用R进行基准测试，通常会比较苹果和橙子。R本身中的k-means实际上是一个旧的Fortran程序，并且非常快。在R中，但在“ flexclust”包中的k均值要慢100倍，因为它是用真实的R代码编写的。因此，不要相信R中的基准...而且，R模块往往是不兼容的，因此您通常无法使用与模块A的距离A和与模块B的算法B。在ELKI中，我们尝试共享尽可能多的代码可能在整个实现中减少此类伪像（当然，永远不可能有100％公平的基准-总是有优化的空间），而且还允许轻松地组合模块。
您可以先从较小的东西开始，例如Hartigan＆Wong k-means变体，然后再继续进行球形k-means（这是针对稀疏数据，可能需要进行不同的性能优化），然后继续为分类数据添加更好的支持；或添加索引功能。
我也很想为ELKI看到一个更好的UI，但这是一项巨大的努力。
如果喜欢跨平台的可视化编程工具，则可以选择Orange。最近迁移到Python 3后，他们还没有移植所有小部件。它将PyData堆栈（NumPy，SciPy，SciKit Learn等）带到Python 3，PyQt，PyQtGraph，并在GitHub上进行了 GPL 处理。
