机器学习算法 Java 库 Smile 1.5.0 发布,引入新特性

标签: 软件更新新闻 | 发表时间:2017-11-23 06:46 | 作者:
出处:http://www.oschina.net/?from=rss

机器学习算法 Java 库 Smile 1.5.0 已发布。该版本引入了新特性和修复 bug,改进了对 Windows 的支持,具体如下:

  1. DataFrame

  2. New Shell for Mac and Linux

  3. Shell improvement for Windows

  4. Out of box support of native LAPACK for Windows

  5. Scala functions to export AttributeDataset, double[][], double[] to ARFF or CSV

  6. Scala functions for validation measures

  7. Refactor feature transformation and generation classes

  8. NeuralNetwork for regression

  9. Recursive least squares

  10. Refactor Scala NLP API

  11. Bug fixes

SmileMiner是一个包含各种现有的机器学习算法的Java库。主要组件包括:

  • mile 机器学习的核心库

  • SmileMath 数学函数、排序、随机数生成器、最优化、线性代数、统计分布、假设检验

  • SmileData Parsers for arff, libsvm, delimited text, sparse matrix, microarray gene expression data.

  • SmileGraph 邻接表和矩阵图算法

  • SmileInterpolation 一维和二维插值

  • SmileNLP Natural Language Processing.

  • SmilePlot 基于Swing的可视化库

下载地址

相关 [机器学习 算法 java] 推荐:

机器学习算法 Java 库 Smile 1.5.0 发布,引入新特性

- - 开源中国社区最新新闻
机器学习算法 Java 库 Smile 1.5.0 已发布. 该版本引入了新特性和修复 bug,改进了对 Windows 的支持,具体如下:. SmileMiner是一个包含各种现有的机器学习算法的Java库. mile 机器学习的核心库. SmileMath 数学函数、排序、随机数生成器、最优化、线性代数、统计分布、假设检验.

Mahout实现的机器学习算法

- - ITeye博客
使用命令:mahout -h.   在Mahout实现的机器学习算法见下表:. EM聚类(期望最大化聚类). 并行FP Growth算法. 并行化了Watchmaker框架. 非Map-Reduce算法. 扩展了java的Collections类. Mahout最大的优点就是基于hadoop实现,把很多以前运行于单机上的算法,转化为了MapReduce模式,这样大大提升了算法可处理的数据量和处理性能.

机器学习算法选用指南

- - IT瘾-geek
在从事数据科学工作的时候,经常会遇到为具体问题选择最合适算法的问题. 虽然有很多有关机器学习算法的文章详细介绍了相关的算法,但要做出最合适的选择依然非常困难. 在这篇文章中,我将对一些基本概念给出简要的介绍,对不同任务中使用不同类型的机器学习算法给出一点建议. 在文章的最后,我将对这些算法进行总结.

机器学习实战——k-近邻算法 - panpannju

- - 博客园_首页
(一)什么是k-近邻分类算法. (二)怎样从文件中解析和导入数据. (三)使用Matplotlib创建扩散图. (一) 什么是k-近邻分类算法. 简单地说,k-近邻算法采用测量不同特征值之间的距离方法进行分类,k-近邻是一种有监督的分类算法. k-近邻的工作原理:存在一个样本数据集,也称之为训练样本集,并且样本集中的每个数据都存在标签,即每个样本所属的类别.

Mahout实现的机器学习算法一览表

- - ITeye博客
         Apache Mahout 是 ApacheSoftware Foundation (ASF) 旗下的一个开源项目,提供一些可扩展的机器学习领域经典算法的实现,旨在帮助开发人员更加方便快捷地创建智能应用程序,并且,在 Mahout 的最近版本中还加入了对Apache Hadoop 的支持,使这些算法可以更高效的运行在云计算环境中.

流行的机器学习算法概述

- - CSDN博客推荐文章
  本文我们会概述一些流行的机器学习算法. 机器学习算法很多,并且它们自身又有很多延伸. 因此,如何确定解决一个问题的最好算法是很困难的. 下面我们先说基于学习方式对算法的分类和算法之间的相似性,让大家有个整体意识;接着再陈述各类算法. 一、基于学习方式对算法的分类. 根据如何处理经验、环境或者任何我们称之为输入的数据,算法分为不同种类.

机器学习的分类与主要算法对比

- - CSDN博客综合推荐文章
重要引用: Andrew Ng Courera Machine Learning; 从机器学习谈起; 关于机器学习的讨论; 机器学习常见算法分类汇总; LeNet Homepage; pluskid svm.   首先让我们瞻仰一下当今机器学习领域的执牛耳者:.   这幅图上的三人是当今机器学习界的执牛耳者.

基于机器学习方法的POI品类推荐算法 -

- -
在美团商家数据中心(MDC),有超过100w的已校准审核的POI数据(我们一般将商家标示为POI,POI基础信息包括:门店名称、品类、电话、地址、坐标等). 如何使用这些已校准的POI数据,挖掘出有价值的信息,本文进行了一些尝试:利用机器学习方法,自动标注缺失品类的POI数据. 例如,门店名称为“好再来牛肉拉面馆”的POI将自动标注“小吃”品类.

三张图读懂机器学习:基本概念、五大流派与九种常见算法

- -
作者:Alan Morrison、Anand Rao. 机器学习正在进步,我们似乎正在不断接近我们心中的人工智能目标. 语音识别、图像检测、机器翻译、风格迁移等技术已经在我们的实际生活中开始得到了应用,但机器学习的发展仍还在继续,甚至被认为有可能彻底改变人类文明的发展方向乃至人类自身. 但你了解现在正在发生的这场变革吗.

算法在社区氛围的应用(三): 机器学习在答非所问识别上的运用

- - 知乎每日精选
现在,瓦力可直接识别并处理该题中的答非所问内容. 我们鼓励认真、专业的分享,期待每一次讨论都能碰撞出更多有价值的信息,并希望每一个用心的回答都能够得到好的展示,为他人带来更多帮助. 但是,我们也发现在社区中出现了答非所问类的内容,影响知友们获取有价值内容的效率. 为了更好地识别答非所问类内容,我们采用了多种模型,包括传统的机器学习模型和比较新的深度学习模型.