Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

mlpack
Mlpack-логотип-белый-контур.svg
изначальный выпуск1 февраля 2008 г . ; 13 лет назад [1] ( 2008-02-01 )
Стабильный выпуск
3.4.2 [2] / 28 октября 2020 г . ; 4 месяца назад ( 28 октября 2020 г. )
Репозиторий
Отредактируйте это в Викиданных
Написано вC ++ , Python , Джулия , Go
Операционная системаКроссплатформенность
Доступно ванглийский
ТипПрограммная библиотека Машинное обучение
ЛицензияОткрытый исходный код ( BSD )
Интернет сайтmlpack .org Отредактируйте это в Викиданных

mlpack - это программная библиотека машинного обучения для C ++ , построенная на основе библиотеки Armadillo . mlpack делает упор на масштабируемость, скорость и простоту использования. Его цель - сделать машинное обучение возможным для начинающих пользователей с помощью простого согласованного API , одновременно используя функции языка C ++, чтобы обеспечить максимальную производительность и максимальную гибкость для опытных пользователей. [3] Предполагаемые целевые пользователи - ученые и инженеры.

Это программное обеспечение с открытым исходным кодом, распространяемое по лицензии BSD , что делает его полезным для разработки как программного обеспечения с открытым исходным кодом, так и проприетарного программного обеспечения. Выпуски 1.0.11 и ранее были выпущены под лицензией LGPL . Проект поддерживается Технологическим институтом Джорджии и вкладом со всего мира.

Разные функции [ править ]

Шаблоны классов для GRU , LSTM структур доступны, таким образом , библиотека также поддерживает периодическую нейронная сеть .

Есть привязки к R , Go , Julia , [4] и Python . Его система привязки расширяется на другие языки.

Поддерживаемые алгоритмы [ править ]

В настоящее время mlpack поддерживает следующие алгоритмы и модели :

  • Совместная фильтрация
  • Пни решений (одноуровневые деревья решений)
  • Деревья оценки плотности
  • Евклидовы минимальные остовные деревья
  • Модели гауссовой смеси (GMM)
  • Скрытые марковские модели (HMM)
  • Оценка плотности ядра (KDE)
  • Анализ основных компонентов ядра (KPCA)
  • Кластеризация K-средних
  • Регрессия наименьшего угла (LARS / LASSO)
  • Линейная регрессия
  • Кодирование в местных координатах
  • Хеширование с учетом местоположения (LSH)
  • Логистическая регрессия
  • Макс-ядро поиска
  • Наивный байесовский классификатор
  • Поиск ближайшего соседа с помощью алгоритмов двойного дерева
  • Анализ компонентов соседства (NCA)
  • Неотрицательная матричная факторизация (NMF)
  • Анализ основных компонентов (PCA)
  • Независимый компонентный анализ (ICA)
  • Приблизительный ближайший сосед по рангу (RANN)
  • Простая линейная регрессия методом наименьших квадратов (и хребтовая регрессия )
  • Редкое кодирование , разреженное изучение словаря
  • Поиск соседей на основе дерева (все-k-ближайших-соседей, все-k-самых дальних соседей) с использованием либо kd-деревьев, либо деревьев покрытия
  • Древовидный поиск диапазона

mlpack использует библиотеку математической оптимизации ensmallen для обучения многих из вышеперечисленных моделей.

См. Также [ править ]

  • Armadillo (библиотека C ++)
  • Список программного обеспечения для численного анализа
  • Список числовых библиотек
  • Численная линейная алгебра
  • Научные вычисления

Ссылки [ править ]

  1. ^ «Начальная регистрация регрессионного пакета, который будет выпущен · mlpack / mlpack» . 8 февраля 2008 . Проверено 24 мая 2020 года .
  2. ^ "Выпуск 3.4.2" . 28 октября 2020 . Дата обращения 6 ноября 2020 .
  3. ^ Райан Кертин; и другие. (2013). "mlpack: масштабируемая библиотека машинного обучения C ++" . Журнал исследований в области машинного обучения . 14 (мар): 801–805. arXiv : 1210,6293 . Bibcode : 2012arXiv1210.6293C .
  4. ^ https://github.com/mlpack/mlpack.jl

Внешние ссылки [ править ]

  • Официальный веб-сайт
  • mlpack на GitHub