25 の Java 機械学習ツールとライブラリ

25 の Java 機械学習ツールとライブラリ
IT 業界ではますます人気が高まっており、IT ファミリーに Java が占める割合が増加しています。ここでは、いくつかの学習ツールを紹介します。
1. Weka は、データ マイニング作業用の機械学習アルゴリズムを統合します。これらのアルゴリズムはデータ セットに直接適用することも、独自のコードを作成してそれらを呼び出すこともできます。 Weka には、データの前処理、分類、回帰、クラスタリング、相関ルール、視覚化などの一連のツールが含まれています。
2.Massive Online Analysis (MOA) は、データ ストリーム マイニング用の人気のあるオープン ソース フレームワークであり、非常に活発に成長しているコミュニティがあります。これには、さまざまな機械学習アルゴリズム (分類、回帰、クラスタリング、異常検出、概念ドリフト検出、推奨システム) と評価ツールが含まれています。 WEKA プロジェクトに関連する MOA も Java で書かれており、よりスケーラブルです。
3. MEKA プロジェクトは、マルチラベルの学習および評価方法のオープンソース実装を提供します。マルチラベル分類では、各入力インスタンスに対して複数の出力変数を予測する必要があります。これは、単一のターゲット変数のみを含む「通常の」ケースとは異なります。さらに、MEKA は WEKA の機械学習ツールキットに基づいています。
4. Advanced Data mining And Machine Learning System (ADAMS) は、現実世界の複雑な知識フローを迅速に確立および維持するように設計された新しいタイプの柔軟なワークフロー エンジンであり、GPLv3 に基づいてリリースされています。
5. Index-Structure によってサポートされる KDD アプリケーションの開発環境 (ELKI) は、Java ベースのオープン ソース (AGPLv3) データ マイニング ソフトウェアです。 ELKI は主にアルゴリズムの研究に焦点を当てており、教師なし手法とクラスター分析における異常検出に重点を置いています。
6. Mallet は、テキスト ファイル用の Java ベースの機械学習ツールキットです。 Mallet は、最大エントロピー、単純ベイズ、決定木分類などの分類アルゴリズムをサポートしています。
7. Encog は、サポート ベクター マシン (SVM)、人工ニューラル ネットワーク、遺伝的アルゴリズム、ベイジアン ネットワーク、隠れマルコフ モデル (HMM)、遺伝的プログラミング、遺伝的アルゴリズムを統合した高度な機械学習フレームワークです。
8. Datumbox 機械学習フレームワークは、機械学習および統計アプリケーションの迅速な開発を可能にする Java で書かれたオープンソース フレームワークです。このフレームワークの中核となるのは、中規模のデータセットを処理できる幅広い機械学習アルゴリズムと統計テストです。
9. Deeplearning4j は、Java と Scala で書かれた初の商用グレードのオープンソース分散深層学習ライブラリです。研究ツールとしてではなく、ビジネス環境での使用を目的として設計されています。
10. Mahout は、アルゴリズムが組み込まれた機械学習フレームワークです。 Mahout-Samsara は、人々が独自の数学を作成するのを支援し、既成のアルゴリズム実装をいくつか提供します。
11. Rapid Miner はドイツのドルトムント工科大学によって開発されました。開発者がアプリケーションを開発するための GUI (グラフィカル ユーザー インターフェイス) と Java API を提供します。また、データ処理、視覚化、モデリングのためのいくつかの機械学習アルゴリズムも提供します。
12. Apache SAMOA は、分散ストリーム ML アルゴリズムのプログラミング抽象化を埋め込む機械学習 (ML) フレームワークであり、基礎となる分散ストリーム処理エンジン (Apache Storm、Apache S4、Apache samza などの DSPEe) を直接処理することなく処理を可能にします。 ) 複雑さを考慮して、新しい ML アルゴリズムを開発します。ユーザーは、複数の DSPE で実行できる分散ストリーミング ML アルゴリズムを開発できます。
13. Neuroph は、ニューラル ネットワークの作成、トレーニング、保存をサポートする Java ネットワーク ライブラリと GUI ツールを提供することで、ニューラル ネットワークの開発を簡素化します。
14. Oryx 2 は、Apache Spark と Apache Kafka 上に構築された Lambda アーキテクチャ実装ですが、リアルタイムの大規模機械学習にますます特化されています。これはアプリケーションを構築するためのフレームワークですが、パッケージ化や、協調フィルタリング、分類、回帰、クラスタリングのためのエンドツーエンドのアプリケーションも含まれています。
15. Stanford Classifier は、データ項目をカテゴリーに分類できる機械学習ツールです。このような確率的分類子は、データ項目のクラス割り当ての確率分布を与えることができます。このソフトウェアは、最大エントロピー分類器の Java 実装です。
16.io は、高速かつ正確な脳のような自然言語処理アルゴリズムを備えた Retina API です。
17.JSAT は、クイックスタート機械学習ライブラリです。このライブラリは暇なときに開発し、GPL3 に基づいてリリースされました。ライブラリ内のコンテンツの一部は独立して学習できます。たとえば、すべてのコードが独立しています。 JSAT には外部依存関係がなく、純粋な Java で書かれています。
18. N-Dimensional Arrays for Java (ND4J) は、JVM 用の科学計算ライブラリです。これらは運用環境での使用を目的としており、最小限のメモリ要件で実行されるようにルーチンが設計されていることを示しています。
19. Java Machine Learning Library (Java Machine Learning Library) は、機械学習アルゴリズムの一連の関連実装です。アルゴリズムは、ソース コードとドキュメントの両方でよく書かれています。その主な言語は Java です。
20. Java-ML は、Java で書かれた一連の機械学習アルゴリズム用の Java API です。標準のアルゴリズム インターフェイスのみを提供します。
21. MLlib (Spark) は、Apache Spark の拡張可能な機械学習ライブラリです。 Java ですが、ライブラリとプラットフォームは Java、Scala、Python バインディングもサポートしています。このライブラリは最新であり、多くのアルゴリズムが含まれています。
22. H2O は、インテリジェント アプリケーション用の機械学習 API です。統計、機械学習、数学をビッグデータに基づいて拡張します。 H2O は拡張可能であり、開発者はその中核に単純な数学を使用できます。
23. WalnutiQ は人間の脳の一部のオブジェクト指向モデルであり、理論的には一般的に使用される学習アルゴリズムを備えています (シンプルで強力な感情人工知能モデルの方向で研究されています)。
24. RankLib はランキング学習アルゴリズムのライブラリです。これまでに 8 つの人気のあるアルゴリズムが実装されています。
25. htm.java (Java ベースの階層的時間メモリ アルゴリズムの実装) は、インテリジェント コンピューティング用の Numenta プラットフォーム用の Java インターフェイスです。
上記は現在使用されているJava学習ツールです。これよりも実用的なツールや、PHPなどの他のプログラミング言語用のツールがあれば、一緒に議論することもできます。
高羅峰兄弟は弟子を無料で募集しています: http://www.hdb.com/party/lzcw-comm.html
LAMP兄弟のオリジナルPHPビデオチュートリアルCD/「PHPを詳しく説明する」を無料で受け取ります。お問い合わせください。詳細は公式ウェブサイトのカスタマーサービス:
http://www.lampbrother.net

上記では、関連するコンテンツを含む 25 の Java 機械学習ツールとライブラリを紹介しています。PHP チュートリアルに興味のある友人に役立つことを願っています。