Описание
Shogun — это комплексный инструмент для машинного обучения с открытым исходным кодом, разработанный для работы с методами ядра большого масштаба, с особым акцентом на методы опорных векторов (SVM). Он предлагает универсальный объект SVM, который взаимодействует с несколькими современными реализациями SVM, включая OCAS, Liblinear, LibSVM, SVMLight, SVMLin и GPDT. Эти SVM могут комбинироваться с различными ядрами, такими как линейное, полиномиальное, гауссовское и сигмоидное, а также с новыми строковыми ядрами, такими как Locality Improved, Fischer, TOP, Spectrum и Weighted Degree Kernel с сдвигами.
Читать далее
Инструмент реализован на C++ и предоставляет интерфейсы для популярных языков программирования, таких как Matlab, R, Octave и Python. Shogun также поддерживает пользовательские заранее вычисленные ядра и включает комбинированное ядро, которое может быть построено с помощью взвешенной линейной комбинации подъядер. Эта гибкость позволяет пользователям решать задачи классификации и регрессии для одного класса, двух классов и многоклассовой классификации.
Shogun включает линейные методы, такие как линейный дискриминантный анализ (LDA), машина линейного программирования (LPM) и перцептроны с ядром, а также алгоритмы для обучения скрытых марковских моделей. Инструмент поддерживает плотные, разреженные и строковые объекты входных признаков, которые могут быть преобразованы в различные типы признаков. Препроцессоры могут быть прикреплены к объектам признаков для предварительной обработки в реальном времени.
Инструмент выпущен под лицензией GPL версии 3 или более поздней и стал частью таких инициатив, как Google Summer of Code. Он использовался в различных приложениях, включая классификацию суперсемей белков и предсказание сайтов сплайсинга, обрабатывая наборы данных с миллионами обучающих примеров. Shogun является ценным ресурсом для исследователей и разработчиков, ищущих надежную платформу для машинного обучения.
- КатегорияПлатформы машинного обучения
- Модель ценообразованияОткрытый исходный код
- РазвёртываниеОблако, На своём сервере
- ПлатформыMatlab, R, Octave, Python
Основные функции Shogun Machine Learning Toolbox
Методы ядра большого масштаба
Поддержка нескольких реализаций SVM
Интерфейсы с Matlab, R, Octave, Python
Пользовательские заранее вычисленные ядра
Комбинированное ядро с взвешиванием подъядер
Линейная и многоклассовая классификация
Поддержка задач регрессии
Открытый исходный код под лицензией GPL v3
Как использовать Shogun Machine Learning Toolbox?
Настройка: Установите желаемый SVM и ядро
Использование: Реализуйте модели машинного обучения
Оптимизация: Настройте параметры ядра для повышения производительности
Интеграция: Используйте с Matlab, R, Octave или Python
Варианты использования Shogun Machine Learning Toolbox
- Классификация белков
- Предсказание сайтов сплайсинга
- Альтернативный сплайсинг
- Предсказание промоторов
- Распознавание цифр
