説明
Shogunは、大規模なカーネル法を扱うために設計された包括的なオープンソースの機械学習ツールボックスで、特にサポートベクターマシン(SVM)に重点を置いています。OCAS、Liblinear、LibSVM、SVMLight、SVMLin、GPDTなど、最先端のSVM実装とインターフェースを持つ汎用SVMオブジェクトを提供します。これらのSVMは、線形、ポリノミアル、ガウス、シグモイドなどのさまざまなカーネルと組み合わせることができ、最近の文字列カーネルであるLocality Improved、Fischer、TOP、Spectrum、Weighted Degree Kernel with shiftsにも対応しています。
続きを読む
このツールボックスはC++で実装されており、Matlab、R、Octave、Pythonなどの人気のあるプログラミング言語へのインターフェースを提供します。Shogunはカスタム事前計算カーネルもサポートしており、サブカーネルの重み付けによって構築できる組み合わせカーネルを特徴としています。この柔軟性により、ユーザーは一クラス、二クラス、および多クラスの分類と回帰問題に取り組むことができます。
Shogunには、線形判別分析(LDA)、線形プログラミングマシン(LPM)、カーネルパーセプトロンなどの線形手法や、隠れマルコフモデルのトレーニングアルゴリズムが含まれています。このツールボックスは、密な、疎な、文字列入力特徴オブジェクトをサポートしており、異なる特徴タイプに変換できます。前処理器は、オンザフライの前処理のために特徴オブジェクトに添付できます。
このツールボックスはGPLバージョン3以降の下でリリースされており、Google Summer of Codeなどのイニシアチブの一部として利用されています。数百万のトレーニング例を含むデータセットを扱い、タンパク質スーパーファミリー分類やスプライスサイト予測など、さまざまなアプリケーションで使用されています。Shogunは、堅牢な機械学習フレームワークを求める研究者や開発者にとって貴重なリソースです。
- カテゴリー機械学習プラットフォーム
- 料金モデルオープンソース
- デプロイクラウド, セルフホスト
- プラットフォームMatlab, R, Octave, Python
Shogun機械学習ツールボックスの主要機能
大規模カーネル法
複数のSVM実装のサポート
Matlab、R、Octave、Pythonとのインターフェース
カスタム事前計算カーネル
サブカーネルの重み付けによる組み合わせカーネル
線形および多クラス分類
回帰問題のサポート
GPL v3の下でのオープンソース
Shogun機械学習ツールボックスの使い方は?
設定: 希望するSVMとカーネルを設定する
使用: 機械学習モデルを実装する
最適化: より良いパフォーマンスのためにカーネルパラメータを調整する
統合: Matlab、R、Octave、またはPythonで使用する
Shogun機械学習ツールボックスの使用例
- タンパク質分類
- スプライスサイト予測
- 代替スプライシング
- プロモータ予測
- 数字認識





