好的，为了完整起见，我将发布最后的内容。我现在将scipy-cluster用于集群部分。这是我到目前为止发现的最通用的实现。我想我将在SVM部分使用libSVM （现在具有Python接口）。我正在使用Python，因为在C ++中确实找不到合适的分层聚类实现（C聚类库专用于微阵列，不支持多维数据）。

通用机器学习库：

这两个类似于Weka。但是，他们要牢记效率。

1.鲨鱼（LGPL）

https://github.com/Shark-ML/Shark/

2.华夫饼（LGPL）

http://waffles.sourceforge.net/

SVM和其他线性分类器：

1.LibSVM（BSD风格）

2.LibLinear（BSD风格）

http://www.csie.ntu.edu.tw/~cjlin/libsvm/

所有这些都使用C ++。

它不是C ++，但您考虑使用R。特别是，请看一下CRAN上的机器学习视图 ，该视图显示了上述许多库，包括Weka和libsvm。

WEKA（ http://www.cs.waikato.ac.nz/ml/weka/ ）是一个出色的开源机器学习库，它满足您除C ++之外的大多数要求-它是用Java编写的。它的文档非常齐全，可以实现支持向量机和聚类，而我对此也有很好的经验。

我只使用了很少的ML库，因此我很乐意推荐它们。 dlib ml当然是其中之一。

Sourceforge 在这里下载；和流血边缘检查：

hg clone http://hg.code.sf.net/p/dclib/code dclib-code

最初的图书馆创建者和现任维护者是戴维斯·金。

您的愿望清单与相关的dlib功能：

• 良好的文档 ：针对少数用户/开发人员的免费，开放源代码库，这可能就足够了；除了在五年的开发历史中不断完善的常规文档外，还有一个经常更新的Intro to dlib （一个低流量的论坛） ；以及大量优秀的示例 （至少包括一个用于SVM的示例 ）。

• C ++ ：据我所知，在C ++中为100％。

• 支持向量机算法：是；实际上，SVM模块一直是对该库的最新更新的重点。

• 分层聚类算法：不开箱即用；但是，有用于k均值聚类的打包代码。显然，每种技术的结果都大相径庭，但是相似性度量的计算和随后的递归/迭代分区步骤是两者的核心，换句话说，层次聚类的计算引擎就在那里。要使现有的群集模块适应HC，将需要花费几行代码，但是考虑到您几乎是在数据表示级别上工作，这也不是主要的工作。

dlib ml还有其他几点建议。它是一个成熟的库（我相信它现在的版本是17.x，我相信是在2005年末发布了1.x版），但是它也仍在积极开发中，如回购日志所证明的（最新更新17.27是17） 2010年5月）和最后一次提交（2010年5月23日）。另外，它还包括其他很少的ML技术（例如，贝叶斯网络，内核方法等）。第三，dllib ml具有出色的“支持”库，用于矩阵计算和优化-两者都是许多ML技术的基本构建块。

在源代码中，我注意到dlib ml是根据BSL （Boost？）许可的， BSL是开放源代码许可证，尽管我对这种类型的许可证一无所知。