15机器学习框架必须知道

< > >

作者:Devendra Desale


“博客摘要”>摘要:无论你是研究人员、开发人员还是管理人员,都想使用机器学习,需要使用正确的工具。本文介绍了15种最流行的机器学习框架。
< > >
机器学习工程师是开发产品和构建算法团队并确保他们可靠、快速和规模工作的一部分。他们与数据科学家紧密合作,以理解理论知识和工业应用。数据专家和机器学习工程师之间的主要区别是:

    机器学习工程师建立、开发和维护机器学习系统产品。
    数据专家进行调查研究,形成机器学习项目的概念,然后分析机器学习系统的测量效果。

    下面是一个机器学习的框架。

    1.apache singa 是一般分布深度学习培训的深度在大规模数据集的学习平台,它是基于分层抽象简单的开发模型设计。它还支持各种目前流行的学习模式,包括前馈模型(卷积神经网络,美国有线电视新闻网),能量模型(限制Boltzmann机,RBM和递归神经网络,RNN),并提供了许多嵌入式层用户。
    2,是一种服务于各种层次的机器学习技术,开发者可以轻松掌握,提供可视化的工具和指导,建立机器学习可以指导你不必学习复杂的机器学习算法和技术条件。

    3.azure毫升工作室允许用户创建和微软Azure的火车模型,然后将这些模型API,可以被其他服务使用。虽然你可以你的Azure存储链接到一个更大的模型服务,每个账户模型数据存储容量不超过10G。由于微软和一些第三方,Azure中有很多可用的算法。即使您不需要注册您的帐户,也可以匿名登录,并使用Azure的Studio Studio服务8小时。

    4。Caffe 是由伯克利视觉学习中心建立了深厚的学习框架(blvc)和社区贡献者协议基于BSD-2菌株。它以“展示、效率、模块化”的发展理念。模型和组合优化不是硬编码的配置和用户可能需要的CPU和GPU处理之间切换,和产业部署性能是完美的实验研究中的效率,使用一个单一的NVIDIA K40 GPU处理器可以处理每天超过六千万张。

    5。H2O 便于应用数学和预测分析解决在当今充满挑战的商业问题,结合其他的机器学习平台的独特特征尚未被使用:最好的开源技术,易于使用和熟悉WebUI接口,支持常见的数据库和不同类型的文件。使用H2O,您可以使用现有的语言和工具。此外,它还可以无缝扩展到Hadoop环境中。

    6.massive在线分析(MOA)是最流行的开源框架,数据流挖掘,并有一个非常活跃的社区。它包含了一系列的机器学习算法(分类、回归、聚类、离群值检测、概念漂移检测和推荐系统)和评估工具。像Weka项目,氧化锌避雷器是用java编写的,但扩展性更好。

    7.mllib(火花) Apache Spark机器学习库,目的是让机器学习实现的可扩展性和易于操作,这是由共同的学习算法和应用程序,包括分类,回归,聚类,协同过滤,降维,并在同一时间,包括底层优化本地语言和高级管道API。

    8。Mlpack 是一个C++基于学习型图书馆,2011首次推出,据库的开发者声称这是秉承“设计可扩展、高效易用”的概念。有两种方法来执行mlpack:快速处理简单的“黑箱”操作,命令行执行缓存,或C++ API处理复杂的工作。mlpack提供了一个简单的命令行程序,C++可以集成到大型机器学习解决方案类。

    9。模式是Python编程语言的Web挖掘组件,数据挖掘工具(谷歌,推特,维基百科API,网络爬虫,HTML解析器,自然语言处理(DOM)标记,N元搜索,情感分析,机

    资料全部来自网络,如果有问题可以发邮件到站长邮箱