Shark是一个快速、模块化、功能丰富的开源C++机器学习库，提供了各种机器学习相关技术，比如线性/非线性优化、基于内核学习算法、神经网络等。Shark已经应用于多个现实项目中。
机器学习（Machine Learning）是一门多领域交叉学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。
Shark目前提供的机器学习功能如下：
1. 监督式学习
- 线性判别分析（LDA），Fisher–LDA
- 朴素贝叶斯分类器
- 线性回归
- 针对单类分类、二进制和真实多类分类的支持向量机（SVM）
- 多层前馈和周期性的人工神经网络
- 径向基核函数（Radial basis function）网络
- 正则化网络、高斯过程回归
- 最近邻迭代、回归迭代
- 决策树和随机森林
2. 无监督学习
- 主成分分析
- 有限玻尔兹曼机（包括许多最先进的学习算法）
- 分层聚类
- 高效的基于距离聚类的数据结构
3. 演化算法
- 单目标优化（例如CMA-ES）
- 多目标优化
4. 模糊系统
5. 基本线性代数和优化算法
Shark依赖于Boost和CMake，其源码基于GPLv3协议，兼容Windows、Solaris、MacOS X和Linux平台。
项目主页http://image.diku.dk/shark/sphinx_pages/build/html/index.html