Envanter: Java geliştiricileri için uyarlanmış beş makine öğrenimi kitaplığı
Editörün notu: Makine öğrenimi, şu anda en yeni teknolojilerden biridir.Büyük şirketler, makine öğrenimi ve derin öğrenme kod yazmadaki boşlukları doldurmak için ilgili programlama yeteneklerini aktif olarak işe alıyor. İlgili işe alım istatistiklerine göre, Python dilinin işverenler için en acil ihtiyaç duyulan makine öğrenimi programlama becerileri olarak Java'yı geçtiği doğrudur. Ancak aslında Java, proje geliştirmede hala yeri doldurulamaz bir rol oynamaktadır ve birçok popüler makine öğrenimi çerçevesi Java ile yazılmıştır. Python hakkında halihazırda pek çok referans materyali olduğu ve Java'nın nadiren görüldüğü gerçeği göz önüne alındığında, bugün sektördeki en iyi beş Java makine öğrenimi kitaplığını öneriyoruz. Orijinal metin jaxenter.com'da yayınlanır ve Lei Feng tarafından derlenir.
Weka
Adres:
Hiç şüphe yok ki şu anda tercih edilen Java makine öğrenimi kitaplığı Weka'dır.
Yeni Zelanda'daki Waikato Üniversitesi'nin makine öğrenimi proje ekibi tarafından geliştirilmiştir. Adı, İngilizce adı Weka olan Yeni Zelanda-Yeni Zelanda Crake'e özgü uçamayan bir kuştan türemiştir. Resmi web sitesinin açıklamasına göre, Weka, yaygın olarak kullanılan birçok makine öğrenimi algoritmasını benimsemiştir ve tamamen Java ortamına dayanmaktadır, açık kaynaklıdır, kullanımı kolay bir grafik arayüzü ile veri madenciliği, veri analizi ve tahmine dayalı modelleme gibi çoklu uygulama senaryoları için uygundur.
Waikato Üniversitesi'nden Bilgisayar Bilimleri Profesörü Eibe Frank şunları söyledi: " Weka'nın en büyük avantajı sınıflandırmada yatmaktadır, bu nedenle otomatik veri sınıflandırması gerektiren uygulamalar bundan yararlanabilir. . Ancak veri ön işleme, kümeleme, ilişkilendirme kuralı madenciliği, zaman serisi tahmini, özellik seçimi ve anormallik algılama gibi senaryoları da destekler. "
Geliştiriciler, hedef veri setini doğrudan Weka yazılımı aracılığıyla işleyebilir ve aynı zamanda kullanıcıların Weka'yı esnek bir bileşen olarak ele alarak kendi kodlarını aramalarını destekleyebilir. Daha yakından anlatmak gerekirse, University of Waikato ayrıca birçok ücretsiz Weka tabanlı veri madenciliği ve makine öğrenimi video eğitimleri sağlar İlgilenen arkadaşlar Weka resmi web sitesinde bunları görüntülemek için tıklayabilirler.
Büyük Çevrimiçi Analiz (MOA)
Adres:
Weka ile aynı çizgide, MOA adını Yeni Zelanda'ya özgü kanatsız büyük bir kuşun - Yeni Zelanda moa'sının (şimdi soyu tükenmiş) almasından alıyor. MOA ayrıca Java ortamına, açık kaynak koduna ve ücretsiz dayanmaktadır.MOA, karmaşık sorunlarla karşılaşıldığında Weka ile de çalışabilir.
MOA, bilgi işlem verimliliği ve bellek kullanımı açısından özel optimizasyonlar yaptı.MOA, genişletilmesi kolay bir temel yapı, yeniden kullanılabilir veri akışı analiz ayarları ve dahili olarak uygulanan bir dizi makine öğrenme algoritması sağlayarak, gerçek zamanlı veri akışı analizi için mükemmel bir çözüm sunar. Bu nedenle mükemmel kıyaslama çerçevesi Gerçek zamanlı veri akışı madenciliği alanında yaygın olarak kullanılmaktadır. . Dahili olarak uygulanan makine öğrenimi algoritmaları şunları içerir: sınıflandırma, regresyon, kümeleme, aykırı değer algılama, kavram sapması algılama ve öneri sistemleri. Buna ek olarak, MOA ayrıca çeşitli değerlendirme araçlarının yanı sıra aktif topluluk tartışmaları, bloglar ve diğer destekleyici kaynaklar sağlar.
Deeplearning4j
Adres: https://deeplearning4j.org/
Deeplearning4j (Deep Learning For Java), merkezi San Francisco, ABD merkezli bir iş zekası ve kurumsal yazılım şirketi olan Skymind tarafından geliştirilen, Java ve Scala ortamında açık kaynak dağıtımlı bir derin öğrenme projesidir ve Tencent'ten yatırım almıştır. Adından da anlaşılacağı gibi, Deeplearning4j'nin çalışması Java Virtual Machine JVM desteğini gerektirir.
Geçen yıl, JAXenter topluluğu Deeplearning4j'yi Java ekosistemine en yenilikçi katkıda bulunanlardan biri olarak aday gösterdi.
Deeplearning4j, Hadoop çerçevesi altında çalışan Java, Scala ve Clojure programcıları için esnek bir DIY makine öğrenimi aracı sağlamayı amaçlamaktadır. Ekip, resmi web sitesinde, bazı makine öğrenme algoritmalarının geliştirilmesi yoluyla işletmeyi akıllı veri çağına getirmeyi umduklarını belirtti. Tam da bu ideali gerçekleştirmek ve daha fazla kullanıcıya fayda sağlamak için, bu nedenle bu algoritmaları uygulamak için daha iyi taşınabilirliğe sahip bir Java ortamı seçtik. Deeplearning4j şu anda konuşma ve metne dayalı örüntü tanıma, zaman serisi algılama ve duygu tanımada yaygın olarak kullanılmaktadır.Google, Facebook ve Microsoft gibi dev şirketlerin tüm kullanıcılarıdır.
MALLET
Adres:
MALLET temel olarak Massachusetts Üniversitesi'nden Profesör Andrew McCallum ve öğrencileri tarafından geliştirilmiştir ve Java ortamına dayalı açık kaynaklı bir makine öğrenimi araç setidir. Temelde istatistiksel doğal dil işleme, belge sınıflandırması, kümeleme, konu modelleme, bilgi çıkarma vb. Metin analizi senaryosu .
MALLET, belge sınıflandırması için gelişmiş araçlar, sıralı etiketleme araçları ve konu modelleme araçları dahil olmak üzere birçok güçlü araç uygulamıştır. MALLET ayrıca saf Bayes, karar ağaçları ve maksimum entropi gibi çeşitli algoritma türlerini destekler. Buna ek olarak, MALLET ayrıca kelime bölütleme, durdurma kelimelerini silme ve metni vektör temsillerine dönüştürme gibi birçok rutin sağlar.
ELKI
Adres: https://elki-project.github.io/
ELKI'nin tam adı: Index-Structures tarafından Desteklenen KDD Uygulamaları Geliştirme Ortamı, yani Dizin yapısıyla desteklenen KDD uygulama geliştirme ortamı Burada KDD, Veritabanında Bilgi Keşfi, yani bilgi keşfi anlamına gelir.
ELKI ayrıca Java ortamına dayalı iyi bilinen bir veri madenciliği yazılımıdır. ELKI, küme analizi, veritabanı indeksleme ve aykırı değer tespiti gibi denetimsiz yöntemleri vurgulayarak algoritma araştırmasına odaklanır. ELKI, diğer veri madenciliği çerçeveleri (Weta ve Rapidminer gibi) arasında benzersiz olan veri madenciliği algoritmaları ve veri yönetimi görevleri üzerinde bağımsız analiz gerçekleştirebilir. Ek olarak, ELKI ayrıca çeşitli veri türlerini ve dosya formatlarını ve çeşitli benzerlik ölçüm yöntemlerini destekler.
ELKI, araştırmacılar ve öğrenciler için özel olarak tasarlanmıştır ve basit ve adil algoritma değerlendirmesi için çok sayıda esnek yapılandırılabilir algoritma parametresi sağlar. Şu anda ELKI, balinaların ekolokasyonu, uzay uçuş operasyonları, paylaşılan bisiklet tahsisi ve trafik tahmini dahil olmak üzere çeşitli veri bilimi ile ilgili alanlarda yaygın olarak kullanılmaktadır.
Kaynak: jaxenter, Leifeng.com tarafından derlenmiştir.
Leifeng.com'da İlgili Okumalar:
Python, R, Java, C ++, vb .: Endüstri geri bildirimlerinden makine öğrenimi dili eğilimlerine bakış
Veri bilimine başlamak zor mu? Eski sürücü sizin için 24 kaliteli kurs sayıyor
