SHOGUN

软件截图:
SHOGUN
软件详细信息:
版本: 3.2.0
上传日期: 17 Feb 15
许可: 免费
人气: 27

Rating: 1.0/5 (Total Votes: 1)

SHOGUN是一个开源软件项目从偏移旨在提供针对大规模核方法机器学习工具箱,并专门针对支持向量机(SVM)设计的。该软件可以从不同的编程语言,包括C,C ++,Python中,八度,MATLAB,Java和C#,红宝石,Lua中,UNIX Shell和R.内轻松使用
该应用程序提供了一个标准的SVM(支持向量机)的对象,可与各种SVM实现对接。它还包括许多线性方法,如线性规划机(LPM),线性判别分析(LDA),(内核)感知,以及一些算法,可以被用来训练隐马尔科夫models.Features在glanceKey特征包括一个类分类,多类分类,回归,结构化输出学习,预处理,内置选型策略,测试框架,大规模的学习支持,多任务学习领域适应性,序列化,并行化的代码,性能指标,内核岭回归向量回归的支持和高斯过程。
此外,它支持多个内核的学习,包括Q-规范MKL和多类MKL,支持朴素贝叶斯,Logistic回归,套索,K-NN和高斯过程分类分类,支持线性规划的机器,LDA,马尔可夫链,隐马尔可夫模型, PCA,核PCA,Isomap的CWME,多维尺度,局部线性嵌入,扩散图,局部切空间排列,以及拉普拉斯特征映射。
此外,它的特点巴恩斯必胜客T-SNE支持,内核正规化,乙状结肠内核,内核字符串,多项式,线性和高斯内核,聚类,k均值,BFGS优化,梯度下降,绑定CPLEX,绑定MOSEK,标签序列学习,因子图的学习,SO-SGD,潜在的SO-SVM和representation.Under引擎盖稀疏数据和availabilitySHOGUN骄傲地写在Python和C ++编程语言,这意味着它大局;与任何GNU / Linux操作系统兼容其中,Python和GCC存在。它是可供下载的万能源存档,这样你就可以在任何基于Linux内核的操作系统上安装它

什么在此版本中是新的

  • 特点:
  • 现在,完全支持python3
  • 添加小批量K-均值[Parijat素洁]
  • 在加入K均值++ [Parijat素洁]
  • 添加子序列串内核[lambday]
  • 在错误修正:
  • 在编译为即将到来的swig3.0修复
  • 在加速比为高斯过程“适用()
  • 在提高单位/集成测试检查
  • 在libbmrm未初始化的内存读取
  • 在libocas未初始化的内存读取
  • 在倍频3.8编译修复[猎户座Poplawski]
  • 修正的Java模块编译错误[比约恩·埃塞尔]

什么是3.1.1版本,新的

  • 在解决与CXX0X发生编译错误
  • 在凹凸的数据版本所需的版本

什么是3.1.0版本,新的

  • 在这个版本主要含有错误修正,而且还配备了增强。
  • 在最重要的是,一对夫妇的相关申请内存泄漏()已得到修复。
  • 在写作和阅读的将军特点protobuf的对象成为可能。
  • 在自定义内核矩阵现在是2 ^ 31-1 * 2 ^ 31-1大小。
  • 在多类IPython的笔记本电脑增加了,和其他人提升。
  • 将一法交叉验证,现在方便的支持。

什么是2.0.0版本,新的

  • 在它包括已开展之前的一切,代码2012。
  • 的谷歌夏季
  • 在学生已实施多项新功能,如结构化输出学习,高斯过程,潜变量SVM(和结构化输出学习),在内核空间复制统计检验,各种多任务学习算法,以及各种可用性方面的改进,仅举几例。

什么在1.1.0版本新

  • 在此版本中引入的“转换器”的概念,这使您可以构建任意功能嵌入。
  • 在其中还包括在降维工具包中的一些新的降维技术和显著的性能提升。
  • 在其他方面的改进包括显著编译加速,各种bug修正的模块化接口和算法,提高了Cygwin的,的Mac OS X,和铛++的兼容性。
  • 在Github上的问题,现在正用于追踪bug和问题。

什么在1.0.0版本新

  • 在这个版本的功能接口,以新的语言包括Java, C#,Ruby和Lua中,模型选择的框架,很多降维技术,高斯混合模型的估计,以及一个完整的在线学习框架。

什么的0.10.0版本是新的

  • 特点:
  • 在物体CSGObject派生的序列化,即所有幕府将军对象(SVM,内核,功能,预处理器,...)为ASCII,JSON,XML和HDF5
  • 创建SVMLightOneClass
  • 在类似于添加CustomDistance以定制的内核
  • 添加HistogramIntersectionKernel(感谢公园范德桑德的补丁)
  • 在Matlab的2010A支持
  • 在SpectrumMismatchRBFKernel模块支持(感谢罗布Patro的补丁)
  • 添加ZeroMeanCenterKernelNormalizer(感谢戈登Jemwa的补丁)
  • 在痛饮2.0支持
  • 在错误修正:
  • 在自定义内核,现在可以> 4G(感谢公园范德桑德的补丁)
  • 在启动时init_shogun防止incompatiblies与ASCII花车和fprintf设置C语言环境
  • 在编译时修复引用计数被禁用
  • 修正set_position_weights为WD内核(报告由Dave duVerle)
  • 修正set_wd_weights为WD内核。
  • 在SVMOcas修复破碎机(报道雅罗斯拉夫)
  • 在清理和API的变化:
  • 在改名SVM_light / SVR_light到SVMLight等。
  • 在非序列化的类名称前面删除前缀C
  • 在下拉CSimpleKernel并介绍CDotKernel作为基类。这样,所有的基础点积内核可以在DotFeatures的顶部和仅一个单一的实施为诸如内核应用于需要。

什么在0.9.3版本新

  • 特点:
  • 在实验LP-规范MCMKL
  • 在新内核:SpectrumRBFKernelRBF,SpectrumMismatchRBFKernel,WeightedDegreeRBFKernel
  • 在WDK内核支持的氨基酸
  • 在字符串功能现在支持追加操作(和创建
  • 在蟒蛇-DBG支持
  • 在允许浮动的输入定制的内核(和矩阵> 4GB大小)
  • 在错误修正:
  • 在静态链接修复。
  • 在解决稀疏线性内核的add_to_normal
  • 在清理和API的变化:
  • 在绩效评估中取出init()函数
  • 在调整.so后缀为Python和使用Python distutils找出安装路径

什么在0.9.2版本新

  • 特点:
  • 直接读取和写入ASCII /二进制文件/ HDF5基于文件。
  • 在实现多任务内核正规化。
  • 在实施SNP内核。
  • 在实施时限LIBSVM / libsvr。
  • 在整合弹力网MKL(感谢Ryoata富冈的补丁)。
  • 在实施散列WD特点。
  • 在实施散列稀疏聚特点。
  • 在整合liblinear 1.51
  • 在LIBSVM现在可以训练了与偏见禁用。
  • 添加功能设置/获取全球和本地IO /并行/ ...对象。
  • 在错误修正:
  • 修正set_w()的线性分类。
  • 在静态倍频,巨蟒,CMDLINE和模块化接口的Python干净编译在Windows / Cygwin的了。
  • 在静态接口测试可能会失败,当训练后,不能直接做

截图

shogun_1_69000.jpg

类似的软件

意见 SHOGUN

评论没有发现
添加评论
打开图片!