精华内容
下载资源
问答
  • 机器学习框架

    2019-09-25 14:41:26
    机器学习框架 Python scikit-learn http://scikit-learn.org/stable/index.html 需要 numpy scipy matplotlib 不建议使用 pip 安装! 使用集成开发套件:ANACONDA https://www.continuum.io/downloads 转载于:...

    机器学习框架

    Python

    scikit-learn

    http://scikit-learn.org/stable/index.html

    需要 numpy scipy matplotlib 不建议使用 pip 安装!

    使用集成开发套件:ANACONDA

    https://www.continuum.io/downloads

    转载于:https://www.cnblogs.com/ash975/p/5823623.html

    展开全文
  • 导读:给各位介绍七个自动机器学习框架,希望有价值。这些年,机器学习(Machine Learning)的使用率越来越高,模型给企业带来一系列机会,也给未来留下更好的畅想。但是,机器学习的建模流程时间长且复杂,人们仍然在...
    03d9d527d6d57f544c88eba95e04497e.png
    导读:给各位介绍七个自动机器学习框架,希望有价值。

    cd31c45282712447ea9823a2554f9f79.png

    这些年,机器学习(Machine Learning)的使用率越来越高,模型给企业带来一系列机会,也给未来留下更好的畅想。但是,机器学习的建模流程时间长且复杂,人们仍然在寻求部署更多机器学习模型。

    企业需要预测的特定数据集合时,传统的方法需要执行以下操作:

    1、处理数据

    2、定义技术特性

    3、选择模型

    4、优化超参数

    5、对参数的训练

    没有适用于所有任务的算法,数据分析人员需要为每个特定任务选择和配置算法。

    另外,为了准备数据,需要进行如下步骤:

    1、确定列类型,语义内容

    2、检测集群分配和它的排名

    对于IT企业来讲,花钱与花时间并非优势 ,自动机器学习(Auto Machine Learning)才更有效。

    自动学习框架之排名 

    自动学习框架能够实现所有或几乎所有步骤的自动化,为企业提供准确的预测。它的最大优势就是能将很多业务流程和数据分析人员从琐事中解脱出来,把时间花在项目的创意方面。

    Gartner曾经发布一个数据报告,它预测在2020年,40%的大数据专家将会被自动化机器学习所取代。

    为此,需要我们现在未雨绸缪,从现在就开始学习自动化机器学习框架,并选择最佳模型以及所需的参数配置。

    以下是我们精选的七款自动化机器学习框架,希望各位喜欢。

    ML Box

    91ee1a98aeaabac8cf2706ca3b26a65c.png

    ML Box一款基于Python的数据库,它提供如下之功能:

    1、预读取,读取,清理和格式化数据;

    2、选择特定功能并检测遗漏;

    3、优化超参数

    4、对预测最先进的模型进行分类与回归

    5、进行预测与模型解析

    ML Box最适合在Linux上运行,而Windows和Mac用户在安装时可能会遇到一点困难。

    ML Box GitHub:https://github.com/AxeldeRomblay/MLBox

    ML Box 文档:https://mlbox.readthedocs.io/en/latest/

    Auto Sklearn

    7d92533e107bfd2770fc1aab25f817b7.png

    Auto Sklearn 是一个基于贝叶斯优化、元学习和组合构造的自动机器学习框架,用来查找类似的数据片断。

    该软件包含有15种分类算法,还有14个预处理特征,用来定义正确的算法并优化其参数,精度超过98%。

    Auto Sklearn特别适合中小型数据集,大型数据集的可扩展性略弱。

    Auto Sklearn GitHub:https://github.com/automl/auto-sklearn

    Auto Sklearn 文档:https://automl.github.io/auto-sklearn/master/

    TPOT

    e17d064eeb9b89cdf730646ed9ea0909.png

    TPOT在2018年8月被GitHub列为最受欢迎的自动机器学习框架。TPOT使用遗传算法来搜索特定任务实现的模型。

    TPOT可以同时分析数千个管道,并提供Python的接口。

    与 Auto Sklern相比,TPOT提供了自己的回归和分类算法。但是,由于它是一个基于基因编程的架构,每次运行相同的任务,模型都可以提供不同的结果。

    TPOT GitHub:https://github.com/EpistasisLab/tpot

    TPOT 文档:https://automl.info/tpot/

    H2O Auto ML

    ae557324104b8f8584afc79e86a5c3c3.png

    http://h2o.ai

    H2O Auto ML框架是深度学习用户的最佳选择,它可以执行大量需要同时执行多行代码之任务。

    H2O使用统计机器学习算法,并有阶梯方式提升机器学习和复杂的学习系统。

    H2O GitHub:https://github.com/h2oai

    H2O 文档:http://docs.h2o.ai/h2o/latest-stable/h2o-docs/automl.html

    Auto Keras

    19f8c34398535fe2e902a8877ce71dcb.png

    https://autokeras.com

    Auto Keras是一款开源的深度学习框架,推动贝叶斯算法优化。此框架可以自动搜索复杂模型的体系结构和超参数

    Auto Keras使用神经架构搜索(NAS)算法进行搜索,不需要深度学习工程师参与。

    Auto Keras GitHub:https://github.com/keras-team/autokeras

    Auto Keras 文档:https://autokeras.com/tutorial/overview/

    Google Cloud Auto ML

    2735f14203aa85c34c72f4c2795f37b1.png

    Google Cloud Auto ML是谷歌云开发的自动机器学习与神经网络框架。它的图形用户界面(GUI)非常易于处理模型,特别适合对机器学习知识掌握有限的开发人员,让人们也能够处理业务所需的模型。

    值得一提的是,Google Cloud Auto ML并非开源库,使用时需要付费,它的价值取决于训练模型时所花费的时间以及要预测的图片数据。

    Google Cloud Auto ML的学习与开发是免费的。

    Goolge Cloud ML文档:https://services.google.com/fb/forms/cloudautomlalphaprogram/

    TransmogrifAI

    141d914067330cbc5b02046ff8cebf95.png

    https://transmogrif.ai/

    TransmogrifAI是基于Apache Spark框架的Salesforce库,用于Scala语言编写的结构化数据。

    TransmogrifAI可以帮助开发者实现深度学习型的准确预测,同时将过程缩短100倍以上。TransmogrifAI棤glks支持处理大规模数据集,亦能够处理Scala上的虚拟机集群。

    TransmogrifAI GitHub:https://github.com/salesforce/TransmogrifAI

    TransmogriAI 文档:https://docs.transmogrif.ai/

    小结

    自动化机器学习是企业努力提高性能,更快预测模型的重要工具。

    通过了解7个自动机器学习框架,开发者可以根据业务需求和操作规模选择,让它来完成自己的自动化机器学习任务。

    作者:小洛

    推荐阅读:

    AI专家谈企业级会话式人工智能

    一站式机器学习平台建设实践

    机器学习必学10大算法

    c9763f6df570d9148c0d65f2894ad7dc.png

    展开全文
  • 之前一直用java做软件开发,现在项目中需要做预测,然后入了机器学习的坑,现在还是...被各种机器学习框架和深度学习框架搞得眼花缭乱,现在写一点自己IDE理解。 包含的方法不同 机器学习框架(mahout、mlib、Sc...

    之前一直用java做软件开发,现在项目中需要做预测,然后入了机器学习的坑,现在还是入门小白。

    因为之前一直用的java,所以打算用java的机器学习库——mahout。之后发现很多机器学习的资料都是基于python,一直纠结要不要转战python。

    被各种机器学习框架和深度学习框架搞得眼花缭乱,现在写一点自己IDE理解。

    包含的方法不同

    机器学习框架(mahout、mlib、Scikit-learn):机器学习框架涵盖用于分类,回归,聚类,推荐、异常检测和数据准备的各种学习方法,并且可以不包括神经网络方法

    深度学习框架(TensorFlow、MXNet):深度学习或深度神经网络(DNN)框架包含具有许多隐藏层的各种神经网络拓扑算法。

    运算环境不同

    深层神经网络:计算在GPU(特别是Nvidia CUDA通用GPU,大多数框架)上运行的速度要比CPU快一个数量级。

    一般来说,更简单的机器学习方法不需要GPU的加速。

    解决的问题不同

    • 应该使用哪种机器学习或深度学习包取决于机器学习的复杂性用于训练的数据量和形式计算资源以及您的编程语言偏好和技能。它也可能取决于是否喜欢使用代码或配置文件定义模型。
    • 我建议喜欢Scala和在Hadoop中有他们数据的使用Spark MLlib ,喜欢Python的人Scikit-learn。

      喜欢Scala(和Java)的人和在Hadoop中有他们数据的人的另一个选择是Deeplearning4j,它是一个学习深度包。

      Microsoft Cognitive Toolkit,MXNet和TensorFlow的深度学习包的学习曲线比较陡峭。

      Cognitive Toolkit现在有Python和C ++ API以及网络配置语言BrainScript。如果您喜欢使用配置文件而不是编程网络拓扑,那么CognitiveToolkit可能是一个不错的选择。另一方面,它似乎不像TensorFlow一样成熟,它不能在MacOS上运行。

      MXNet支持Python、R、Scala、Julia和C ++,但其支持最好的API是用Python开发的。 MXNet在多个主机上的多个GPU上展示出良好的伸缩性(85%的线性)。

      TensorFlow可能是三个包中最成熟的,只要你喜欢编写Python,并可以克服学习曲线。它具有细粒度的控制,但也需要编写大量的代码来描述一个神经网络。有三个简化的API与TensorFlow一起工作来解决这个问题:tf.contrib.learn,TF-Slim和Keras。另外TensorBoard对于可视化和理解您的数据流图非常有用。

    转载于:https://www.cnblogs.com/simpleDi/p/9895251.html

    展开全文
  • 51CTO了解的一些优秀机器学习框架:1. Keras为了简化深度学习模型的创建,开源软件库Keras于2015年开发而成。该软件框架用Python编写,非常适合部署在其他AI技术上,比如TensorFlow、Theano和微软认知工具包。Keras...

    From:布加迪 & 51CTO

    399b3c3fdfadea041a40021fd864322f.png

    了解的一些优秀机器学习框架:

    1. Keras

    为了简化深度学习模型的创建,开源软件库Keras于2015年开发而成。该软件框架用Python编写,非常适合部署在其他AI技术上,比如TensorFlow、Theano和微软认知工具包。

    Keras凭借模块化和易扩展性吸引用户,以提供更好的移动应用软件开发解决方案。该框架很适合机器学习库作为人工智能测试工具的需求,可以快速构建原型,并支持循环网络和卷积网络。

    Keras还适合在图形处理单元和中央处理单元上运行起来优秀的机器学习库。Keras支持重复层、支持卷积以及两者的结合体。

    2. TensorFlow

    TensorFlow于2015年发布,是一种开源机器学习框架。TensorFlow与多种平台兼容,可以轻松地使用和部署。该框架是AI开发人员用于处理机器学习任务的最广泛使用的框架。

    它由谷歌开发,用于增强研究工作和生产任务。Tensorflow已被Dropbox、英特尔、Twitter和优步等知名公司广泛使用。该框架支持多种语言,比如C++、Haskell、Go、Rust、Python和JavaScript。

    它还支持其他广泛使用的编程语言的第三方程序包。每个AI开发人员都可以使用该框架结合FlowGaphs开发神经网络及其他计算模型。

    3. 微软认知工具包

    微软认知工具包是一种AI框架解决方案,于2016年发布,为机器学习项目提供了新功能。它是一种开源解决方案,可以针对类似人脑的功能来训练深度学习算法。换句话说,它非常有效且完美无缺。

    它有好多功能,一些功能包括高度优化和丰富的组件,专注于引入人工智能技术。这些组件能够处理来自C++、Python或BrainScript的数据,能够让开发人员高效使用资源、与微软Azure轻松集成以及可与NumPy实现互操作。

    4. Apache Mahout

    Apache Mahout是一种机器学习框架,充分使用线性代数。它还使用Scala DSL。该框架同样适用于大多数的现代人工智能问题。

    5. Accord.NET

    另一种机器学习框架Accord.NET于2010年发布。它专门用C#编写。作为一种流行的框架,它涵盖一大批库,因而在统计数据处理、图像处理、人工神经网络及许多其他应用中可以轻松构建无数应用软件。

    6. Theano

    这是2007年发布的另一种知名的开源Python机器学习框架。作为知名库之一,它被视为基准,彻底改变了深度学习领域的众多进步。

    它使用户可以轻松构建众多机器学习移动应用软件开发解决方案模型。Theano有助于简化解释、优化和评估数学表达式的过程。此外,它针对GPU进行了优化,还提供了高效的符号微分。

    7. Scikit-learn

    这是一种专门为机器学习开发的开源库。它于2007年问世。Scikit-learn是为Matplotlib、SciPy和NumPy以及其他开源项目设计的。它适当地专注于数据分析和数据挖掘。

    必须考虑的方面是它用Python编写。它包含众多机器学习模型。这些模型包括聚类、回归、分类和降维。

    8. 亚马逊机器学习

    AWS拥有一套广泛的机器学习框架,全球成千上万的公司企业在使用它。该平台可与主要的AI框架协同使用,以提供随时可用的人工智能解决方案而闻名。

    9. Torch

    这是当今可用的优先选项之一。Torch于2002年发布,这种机器学习库提供了用于深度学习的大量算法。处理机器学习项目时,它具有经过优化的速度和灵活性。

    通过降低专用过程之间不希望的复杂性,Torch可以提供有效的支持。它随带Lua这种面向AI开发人员的脚本语言和底层C实现。此外,它整合了丰富的功能,比如N维数组、线性代数例程以及对Android和iOS平台的高效GPU支持等。

    10. Caffe

    开源AI的当前发展促进了相关方面的稳步研发。Caffe于2017年发布,是一家小巧的机器学习框架,面向专注于速度、模块化和表现力的人工智能开发公司。快速特征嵌入的卷积架构(Caffe)引入了Python接口,用C++编写。

    除了是一种理想的框架外,Caffe还拥有许多有价值的功能。这包括促进积极开发的广泛代码、促进发展的充满活力的社区、激发创新的富有表现力的架构以及加快行业部署的快速性能。

    展开全文
  • 目录深度学习框架 1.Theano & Ecosystem 2.Torch 3. Tensorflow 4. Caffe 5. CNTK 6.DSSTNE 7.Speed 机器学习框架 1.sci-kit learn 2.Apache Mahout 3.SystemML 4.Microsoft
  • (JavaScript)GPU科学计算/机器学习框架
  • 由基本的机器学习算法入手,简析机器学习算法与TensorFlow框架,并通过在Linux系统下搭建环境,仿真手写字符识别的TensorFlow模型,实现手写字符的识别,从而实现TensorFlow机器学习框架的学习与应用。
  • 本文从开发效率(易用性)、可扩展性、执行效率三个方面,介绍了微博机器学习框架Weiflow在微博的应用和最佳实践。在上期《基于Spark的大规模机器学习在微博的应用》一文中我们提到,在机器学习流中,模型训练只是...
  • 机器学习框架简述

    千次阅读 2018-08-22 14:16:56
    机器学习框架意味着一个能够整合包括机器学习算法在内的所有机器学习的系统或方法,使用户最有效的使用它们。具体来讲,这包括数据表示与处理的方法、表示和建立预测模型的方法、评价和使用建模结果的方法。 在...
  • IDL871机器学习框架.pdf

    2019-08-19 07:44:33
    IDL871机器学习框架 参加ESRI培训时提供的简易教程
  • 分布式机器学习框架

    千次阅读 2019-10-25 13:33:58
    在大规模数据上跑机器学习任务是过去十多年内系统架构师...John Langford曾经在他的博客(机器学习领域最好的博客之一)上总结和对比了主流的分布式机器学习框架的抽象[1]: MPI Gradient Aggregation:主要缺点是...
  • Google现在通过其机器学习框架TensorFlow,整合现有的机器学习模型和rules-based的保护机制,提升垃圾邮件检查能力,每天多删除了1亿条垃圾邮件。Google近日公开Gmail如何通过其机器学习框架TensorFlow,提升垃圾...
  • Jubatus 是一个分布式处理框架和机器学习库,包含以下功能:在线机器学习库,包括:分类、聚合和推荐fv_converter: 数据预处理(用自然语言)在线机器学习框架,支持容错 标签:Jubatus
  • linfa:一个Rust机器学习框架
  • 对比深度学习十大框架:TensorFlow 并非最好? TensorFlow与主流深度学习框架对比 ...几种机器学习框架的对比和选择 机器学习框架比较 DL4J与Torch、Theano、TensorFlow、Caffe、Paddle、MxNet、...
  • 如果你是一位想要深入机器...虽然 Python 是绝大多数的机器学习框架所采用的语言,但是 JavaScript 也并没有被抛下。JavaScript 开发者可以在浏览器中使用各种框架来训练和部署机器学习模型。 1、TensorFlow.js Tensor
  • Cogitare:(Python)现代、快速、模块化的深度学习/机器学习框架
  • 苹果的机器学习框架和工具 Apple提供了许多框架来帮助将机器学习集成到您的应用程序中。这些框架在不同的抽象级别上运行,但可以大致分为两大类: 任务级框架 模型级框架。 任务级框架 任务级框架提供的方法使您...
  • TensorFlow 是一个开源机器学习框架,具有快速、灵活并适合产品级大规模应用等特点,让每个开发者和研究者都能方便地使用人工智能来解决多样化的挑战。 TensorFlow能够让你直接解决各种机器学习任务。目标就是在...
  • 精选的很棒的机器学习框架,库和软件的列表(按语言)。 受到awesome-php启发。 如果您想对此列表做出贡献(请这样做),请向我发送请求请求或与我联系 。 此外,在以下情况下,不建议使用列出的存储库: 存储库...
  • 第三方机器学习框架和工具 除了Apple提供的工具之外,作为iOS开发人员,您还可以选择利用非Apple提供的许多机器学习框架和工具。下面一些较流行的选项: Google TensorFlow-lite Google ML Kit Scikit-learn Amazon...
  • MLJBase.jl:MLJ机器学习框架的核心功能
  • 目录1. TensorFlow2. Theano3. Scikit学习4.咖啡5. Apache Mahout6. Apache Spark8.亚马逊SageMaker9. Accord.NET10....机器学习是一门教授机器的科学,该...2020年排名前10位的机器学习框架 因此,有理由认为ML开发人员可
  • 机器学习、深度学习往往给人一... 今天基于微软开源的可解释机器学习框架interpret进行简单的学习实践,主要是想上手我刚刚配置好的jupyter环境来跑一波代码,下面先给出来GitHub地址,在这里。 使用基本的要求是p...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 12,325
精华内容 4,930
关键字:

机器学习框架