Gibt es eine native Bibliothek in Julia für Machine Learning geschrieben?

stimmen
0

Ich habe begonnen, Julia.I mit gelesen, dass es schneller ist als C. Bisher habe ich einige Bibliotheken wie KNET und Flux gesehen, aber beide sind für Deep Learning. auch gibt es einen Befehl „Pycall“ tu Python innen Julia verwenden.

Aber ich bin an Maschine zu lernen. So würde Ich mag SVM verwenden, Zufällige Wald, KNN, XGBoost, usw., aber in Julia.

Gibt es eine native Bibliothek in Julia für Machine Learning geschrieben?

Danke

Veröffentlicht am 09/10/2019 um 18:50
quelle vom benutzer
In anderen Sprachen...                            


3 antworten

stimmen
2

Viele Algorithmen sind einfach nur zur Verfügung spezielle Pakete verwenden. wie BayesNets.jl

Für „klassisches maschinelles Lernen“ MLJ.jl des eine reine Julia Machine Learning Framework ist, wird es durch den Alan Turing Institute mit sehr aktiver Entwicklung geschrieben.

Für Neuronale Netze Flux.jl ist der Weg in Julia zu gehen. Ebenfalls sehr aktiv, GPU-ready und ermöglicht allen Exoten - Kombinationen , die wie in der Julia Ökosystem existieren DiffEqFlux.jl ein Paket , das Flux.jl und DifferentialEquations.jl kombiniert.

Warten Sie einfach für Zygote.jl eine Quelle-Source - Paket automatische Unterscheidung , die eine Art von Backend für Flux.jl sein

Natürlich, wenn Sie sich sicherer mit Python ML - Tools sind Sie haben noch TensorFlow.jl und ScikitLearn.jl , aber OP bat um reine Julia - Pakete und das sind nur Julia Wrapper von Python - Pakete.

Beantwortet am 10/10/2019 um 18:24
quelle vom benutzer

stimmen
0

Werfen Sie einen Blick auf diese kNN Implementierung und dies für XGboost .

Es gibt SVM-Implementierungen, aber veraltet eine unmaintained (Suche nach SVM .jl). Aber wirklich, denken über andere Algorithmen für viel bessere Vorhersage Qualitäten und Modellbau Leistung. Werfen Sie einen Blick auf die OLS (Orthogonal kleinsten Quadrate) und OFR (orthogonal vorwärts Regression) Algorithmus-Klasse. Sie werden leicht detaillierte Algorithmus Beschreibungen, leicht zu Code in jeder geeigneten Sprache finden. Allerdings gibt es derzeit keine Julia Implementierung Ich bin mir dessen bewusst. Ich fand nur Matlab-Implementierungen und machte meine eigene Java-Implementierung, vor einigen Jahren. Ich habe Pläne zu portieren zu julia, aber das hat derzeit keine Priorität und kann einige Jahre dauern. Inzwischen - Codierung, warum nicht selbst? Sie werden keine andere Sprache finden es einfacher machen, einen Prototyp zu kodieren und in eine hocheffiziente Produktion Algorithmus drehen schwere Last auf einer CUDA aktiviert GPGPU läuft.

Ich empfehle diese ganz neue Publikation, beginnen mit: Nonlinear Identifikation mittels orthogonale Vorwärts Regression mit verschachtelter optimaler Regularisierung

Beantwortet am 15/10/2019 um 22:12
quelle vom benutzer

stimmen
0

Ich fand diese Bibliothek:

https://scikitlearnjl.readthedocs.io/en/latest/python/

Aber es scheint, ist es nicht heimisch Julia. So wird es langsam sein.

Beantwortet am 10/10/2019 um 16:38
quelle vom benutzer

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more