Sjogoen Een Grootschalige Machine Learning Toolbox
Download nu

Sjogoen Rangschikking & Samenvatting

Sjogoen Tags

leren toolkit gereedschapskist Toolbox machine toolbox learning toolkit

Sjogoen Beschrijving

Een grootschalige machine-leren toolbox De focus van de machine leren toolbox is op grootschalige kernelmethoden en vooral op ondersteuning vectormachines (SVM). Het biedt een generiek SVM-object met interfacing op verschillende SVM-implementaties, waaronder de state-of-the-art libsvm, SVMLICHT, SVMLI en GPDT. Elk van de SVMS kan worden gecombineerd met een verscheidenheid aan kernels. De Toolbox biedt niet alleen efficiënte implementaties van de meest voorkomende kernels, zoals de lineaire, polynomiale, Gaussische en Sigmoïde kernel, maar ook met een aantal recente snaarpitten zoals b.v. De plaats verbeterde, Fischer, Top, Spectrum, Gewogen Graad Kernel (met Shifts). Voor de laatste worden de efficiënte linadd-optimalisaties geïmplementeerd. Ook Shogun biedt de vrijheid van het werken met aangepaste voorgerekende kernels. Een van de belangrijkste kenmerken is de gecombineerde kernel die kan worden geconstrueerd door een gewogen lineaire combinatie van een aantal sub-kernels, die elk niet noodzakelijkerwijs aan hetzelfde domein werken. Een optimale sub-kernelweging kan worden geleerd met behulp van meerdere kernel-leren. Momenteel kunnen svm-classificatie- en regressieproblemen van 2-klasse worden behandeld. SHOGUN implementeert echter ook een aantal lineaire methoden zoals lineaire programmeermachine (LPM), lineaire discriminantanalyse (LDA), (kernel) perceptrons en functies algoritmen om Hidden Markov-modellen te trainen. De ingangsfunctie-objecten kunnen een dichte, schaarse of snaren zijn van type int / short / double / char en kan worden geconverteerd naar verschillende functietypen. Kettingen van preprocessors (b.v. subsepleing van het gemiddelde) kunnen worden bijgevoegd bij elk kenmerkobject waarmee u op-de-fly pre-processing mogelijk maakt. Wat is er nieuw in deze release: · Vervang dubbelzijdige zelfde gedefinieerde gegevenstypen voor char / int / float etc. door 'gestandaardiseerde' typen. · Methode Classify () in WDSVMocas heeft nu een standaardwaarde voor zijn argument. · Verwijderde een paar debug-uitgangen van Stderr. · TestSUITE COVERS SUBSVMS IN MULTICLASSSVMS, STATIC-interfaces ondersteunen nu opdrachten Get_Num_Svms en Get_SVM voor MulticlassSvms. · Fixeren voor aangesloten arrays / vectoren in de interface voor Modular Python. · Vaste onjuiste toewijzing van labels in de constructeur van WDSVMocas die leiden tot Segfaults op vernietiging in (Python) modulaire interface. · Een Segfault-kans opgelost in Multiclasssvm.

Sjogoen Gerelateerde software