机器学习 - 概念/建议

作者: 晴天3
发布时间: 2025-01-23 04:33:23 (1月前)
转自：

3 条回复

0#
回复此人
离线请留言 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 由于您的任务相当简单，并且正如您所说，您是ML的新手，我建议您使用weka，因为它易于使用且拥有庞大的用户社区。 </p> <P> 否则，这里有一些Java中的通用机器学习框架，您可以查看： </p> <UL> <LI> Datumbox - 机器学习框架，用于快速开发机器学习和统计应用程序 </LI> <LI> ELKI - 用于数据挖掘的Java工具包。（无监督：聚类，异常值检测等） </LI> <LI> H2O - ML引擎，支持分布式学习存储在HDFS中的数据。 </LI> <LI> htm.java - 使用Numenta的皮质学习算法的通用机器学习库 </LI> <LI> java-deeplearning - Java，Clojure，Scala的分布式深度学习平台 </LI> <LI> JAVA-ML - 一个通用的ML库，具有Java中所有算法的通用接口 </LI> <LI> JSAT - 用于分类，回归和聚类的众多机器学习算法。 </LI> <LI> Mahout - 分布式机器学习 </LI> <LI> Meka - 多标签分类和评估方法的开源实现（Weka的扩展）。 </LI> <LI> Apache Spark中的MLlib - Spark中的分布式机器学习库 </LI> <LI> Neuroph - Neuroph是轻量级Java神经网络框架 </LI> <LI> ORYX - 简单的实时大型机器学习基础设施。 </LI> <LI> RankLib - RankLib是一个学习排名算法的库 </LI> <LI> RapidMiner - RapidMiner与Java代码的集成 </LI> <LI> 斯坦福分类器 - 分类器是一种机器学习工具，它将获取数据项并将它们放入k类之一。 </LI> <LI> WalnutiQ - 面向对象的人脑模型 </LI> <LI> Weka - Weka是用于数据挖掘任务的机器学习算法的集合 </LI> </UL> <P> 资源： <a href="https://github.com/josephmisiti/awesome-machine-learning#java-general-purpose" rel="nofollow"> 非常棒的机器学习 </A> </p> </DIV>

编辑
1#
回复此人
⑩Ⅵ嵗Ｄ夨憶 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 你有一个非常小的文本数据集，你可以使用任何库 - 它并不重要。更高级的选项需要更多的数据而不是有意义，所以这不是一个值得考虑的问题。处理文本分类问题的简单方法是使用a <a href="http://en.wikipedia.org/wiki/Bag-of-words_model" rel="nofollow"> 一袋字 </A> 模型和线性分类器。 Weka和MALLET都支持这一点。 </p> <P> 就我个人而言，我发现Weka是一个痛苦而MALLET记录不佳/过时，所以我使用 <a href="https://code.google.com/p/java-statistical-analysis-tool/" rel="nofollow"> JSAT </A> 。有一个关于垃圾邮件分类的例子 <a href="https://code.google.com/p/java-statistical-analysis-tool/wiki/LoadingTextDataSpam" rel="nofollow"> 这里 </A> 。 </p> <P> （偏见警告，我是JSAT的作者）。 </p> </DIV>

编辑

登录后才能参与评论