(Java)开源机器学习框架

Posted 2021-05-02 明柳梦少

Datumbox机器学习框架

Datumbox机器学习框架是一个用Java编写的开源框架，它允许快速开发机器学习和统计应用程序。该框架的主要重点是包括大量的机器学习算法和统计方法，并能够处理大型数据集。

版权和许可

版权所有（C）2013-2018 Vasilis Vryniotis。

该代码根据Apache许可证2.0版获得许可。

安装和版本控制

Datumbox Framework可在Maven Central Repository上使用。

该框架的最新稳定版本是0.8.1（Build 20170831）。要使用它，请在pom.xml中添加以下代码段：

<dependency>
        <groupId>com.datumbox</groupId>
        <artifactId>datumbox-framework-lib</artifactId>
        <version>0.8.1</version>
    </dependency>

该框架的最新快照版本是0.8.2-SNAPSHOT（Build 20180410）。要测试它，请按如下所示更新pom.xml：

<repository>
       <id>sonatype-snapshots</id>
       <name>sonatype snapshots repo</name>
       <url>https://oss.sonatype.org/content/repositories/snapshots</url>
    </repository>

    <dependency>
        <groupId>com.datumbox</groupId>
        <artifactId>datumbox-framework-lib</artifactId>
        <version>0.8.2-SNAPSHOT</version>
    </dependency>

框架的发布遵循语义版本控制方法。有关各种版本的详细信息，请查看Changelog。

文档和代码示例

使用Javadoc注释记录框架的所有公共方法和类。此外，对于每个型号都有一个JUnit测试，它清楚地显示了如何训练和使用模型。最后有关如何使用框架检查代码示例或官方博客的更多示例。

• 代码示例：

https://github.com/datumbox/datumbox-framework-examples/

• 官方博客

http://blog.datumbox.com/

预先训练的模型

Datumbox附带了大量预先训练的模型，可用于执行情感分析（文档和推特），主观性分析，主题分类，垃圾邮件检测，成人内容检测，语言检测，商业检测，教育检测和性别检测。要获取二进制模型，请查看Datumbox Zoo。

支持哪些方法/算法？

该框架目前支持执行多个参数和非参数统计测试，计算有关删失和未审查数据的描述性统计数据，执行方差分析，聚类分析，降维，回归分析，时间序列分析，采样和最常见离散的概率计算并继续分布。此外，它提供了几种实现的算法，包括最大熵，朴素贝叶斯，SVM，Bootstrap聚合，Adaboost，Kmeans，分层聚类，Dirichlet过程混合模型，Softmax回归，序数回归，线性回归，逐步回归，PCA和其他几种技术用于特征选择，集成学习，线性编程求解和推荐系统。

错误报告

尽管框架的某些部分已用于商业应用，但并非所有类别都被使用/测试。目前该框架采用Alpha版本，因此您应该期望在未来版本上对公共API进行一些更改。如果发现错误，请将其作为 Github官方存储库的问题提交。

特约

框架可以通过多种方式得到改进，因此欢迎任何贡献。到目前为止，框架中缺少的最重要的功能是能够从命令行或其他语言（如Python）使用它。其他重要的增强功能包括改进文档，测试覆盖率和示例，改进框架的体系结构以及支持更多的机器学习和统计模型。如果您对代码进行任何有用的更改，请考虑通过发送拉取请求来贡献它们。

致谢

非常感谢Eleftherios Bampaletakis在改进框架架构方面的宝贵意见。还要感谢ej-technologies GmbH为其Java Profiler提供许可证，并感谢JetBrains为其Java IDE提供许可证。

有用的链接

• 代码示例

https://github.com/datumbox/datumbox-framework-examples/

• Datumbox Zoo：预先训练的模型

https://github.com/datumbox/datumbox-framework-zoo/

• Datumbox.com

http://www.datumbox.com/

• 机器学习博客

http://blog.datumbox.com/