SHOGUN

Logiciel capture d'écran:
SHOGUN
Détails logiciels:
Version: 3.2.0
Date de transfert: 17 Feb 15
Licence: Gratuit
Popularité: 27

Rating: 1.0/5 (Total Votes: 1)

SHOGUN est un projet de logiciel open source conçu à partir de l'offset de fournir une boîte à outils d'apprentissage de la machine ciblée dans les grandes méthodes de noyau d'échelle, et spécialement conçu pour les Support Vector Machines (SVM). Le logiciel peut être facilement utilisé à partir de différents langages de programmation, dont C, C ++, Python, Octave, Matlab, Java, C #, Ruby, Lua, UNIX Shell, et R.
L'application offre un objet SVM (Support Vector Machines) standard qui peut se interfacer avec les différentes implémentations de SVM. Il comprend également de nombreuses méthodes linéaires, tels que la programmation linéaire automatique (LPM), analyse discriminante linéaire (LDA), (Kernel) Perceptrons, ainsi que des algorithmes qui peuvent être utilisés pour former Markov caché models.Features à un glanceKey caractéristiques comprennent une classement de la classe, la classification, la régression, l'apprentissage de sortie structuré, pré-traitement multiclassent, stratégies de sélection modèle intégrés, framework de test, un grand soutien à l'apprentissage de l'échelle, multitâche apprentissage, l'adaptation de domaine, la sérialisation, le code parallélisé, mesures de performance, kernel ridge régression, vecteur support de régression et des processus gaussiens.
En outre, il soutient l'apprentissage du noyau multiple, y compris q-norme MKL et multiclassent MKL, prend en charge les et gaussiennes classificateurs de classification de processus, soutient la machine de programmation linéaire, chaînes LDA, Markov, modèles Naive Bayes, régression logistique, LASSO, NN k-Markov cachés, PCA, kernel PCA, Isomap, analyse multidimensionnelle, intégration localement linéaire, plan de la diffusion, l'alignement de l'espace tangent local, ainsi que eigenmaps laplaciens.
En outre, il dispose d'un support Barnes-Hut t-END, noyau normalisateur, noyau sigmoïde, noyaux de chaîne, polynomiale, linéaire et gaussiennes, classification hiérarchique, k-means, l'optimisation de BFGS, descente de gradient, reliures à CPLEX, reliures à MOSEK, l'étiquette l'apprentissage de la séquence, le facteur graphique apprentissage, SO-SGD, latente SO-SVM et données éparses representation.Under le capot et availabilitySHOGUN est fièrement écrits en Python et C ++ langages de programmation, ce qui signifie qu'il & rsquo; s compatible avec ne importe quel système d'exploitation GNU / Linux où existent Python et le CCG. Il est disponible en téléchargement sous forme d'archive source universelle, de sorte que vous pouvez l'installer sur ne importe quel système d'exploitation basé sur le noyau Linux

Ce qui est nouveau dans cette version:.

  • Caractéristiques:
  • Soutenir pleinement python3 maintenant
  • Ajout mini-lots k-means [Parijat Mazumdar]
  • Ajouter k-means ++ [Parijat Mazumdar]
  • Ajouter sous-séquence chaîne noyau [lambday]
  • Correction de bugs:
  • Compiler des correctifs pour venir swig3.0
  • Speedup pour le processus gaussien 'appliquer ()
  • améliorer les contrôles unité tests / d'intégration
  • libbmrm mémoire non initialisée lit
  • libocas mémoire non initialisée lit
  • Octave 3,8 compiler corrections [Orion Poplawski]
  • Correction d'erreur de compilation java modulaire [Bjoern Esser]

Ce qui est nouveau dans la version 3.1.1:

  • Correction d'erreur de compilation se produisant avec CXX0X
  • Bump version des données à la version requise

Quoi de neuf dans la version 3.1.0:

  • Cette version contient surtout des corrections de bogues, mais disposent également d'améliorations .
  • Le plus important, un couple de fuites de mémoire liés à appliquer () ont été corrigés.
  • L'écriture et la lecture des caractéristiques de shogun que protobuf objets est désormais possible.
  • noyau personnalisé matrices peuvent maintenant être de 2 ^ 31-1 * 2 ^ 31-1 taille.
  • Multi ipython cahiers ont été ajoutés, et les autres améliorées.
  • Laissez-one-out validation croisée est maintenant commodément en charge.

Ce qui est nouveau dans la version 2.0.0:

  • Il comprend tout ce qui a été réalisé avant et pendant la Google Summer of Code 2012.
  • Les étudiants ont mis en place diverses nouvelles fonctionnalités telles que l'apprentissage structuré de sortie, processus gaussien, variable latente SVM (et l'apprentissage de sortie structuré), les tests statistiques dans le noyau des espaces de reproduction, divers algorithmes d'apprentissage multitâche, et diverses améliorations d'utilisabilité, pour ne en nommer que quelques-uns.

Quoi de neuf dans la version 1.1.0:

  • Cette version introduit la notion de «convertisseurs», qui vous permet de construire plongements de caractéristiques arbitraires.
  • Il comprend également quelques nouvelles techniques de réduction de la dimension et des améliorations de performances significatives dans la boîte à outils de réduction des dimensions.
  • Les autres améliorations comprennent une compilation accélération significative, diverses corrections de bogues pour les interfaces et des algorithmes modulaires et améliorées Cygwin, Mac OS X, et la compatibilité clang ++.
  • Questions Github est maintenant utilisé pour les bugs et problèmes de suivi.

Quoi de neuf dans la version 1.0.0:

  • Cette version dispose d'interfaces vers de nouveaux langages tels que Java, C #, Ruby, et Lua, un cadre de sélection de modèle, de nombreuses techniques de réduction de la dimension, gaussien estimation Mélange de modèle et un cadre à part entière apprentissage en ligne.

Ce qui est nouveau dans la version 0.10.0:

  • Caractéristiques:
  • sérialisation d'objets dérivant de CSGObject, ce est à dire tous les objets de shogun (SVM, Kernel, Caractéristiques, préprocesseurs, ...) au format ASCII, JSON, XML et HDF5
  • Créer SVMLightOneClass
  • Ajouter CustomDistance par analogie avec noyau personnalisé
  • Ajouter HistogramIntersectionKernel (grâce Koen van de Sande pour le patch)
  • Matlab soutien 2010a
  • SpectrumMismatchRBFKernel support modulaire (merci Rob Patro pour le patch)
  • Ajouter ZeroMeanCenterKernelNormalizer (grâce Gorden Jemwa pour le patch)
  • Swig 2,0 support
  • Correction de bugs:
  • des noyaux personnalisés peuvent maintenant être & gt; 4G (grâce Koen van de Sande pour le patch)
  • Set locale C au démarrage en init_shogun pour empêcher incompatiblies avec flotteurs ascii et fprintf
  • Compiler fix quand comptage de référence est désactivé
  • set_position_weights Fix pour noyau wd (rapporté par Dave duVerle)
  • set_wd_weights de correctif pour le noyau de DEO.
  • Fix crasher dans SVMOcas (rapporté par Yaroslav)
  • Nettoyage et Changement de l'interface:
  • Rebaptisé SVM_light / SVR_light à SVMLight etc.
  • Supprimer C préfixe devant les noms de classes non sérialisables
  • Chute CSimpleKernel et d'introduire CDotKernel que sa classe de base. De cette façon, tous les noyaux basés point-produit peut être appliqué sur le dessus de DotFeatures et une seule mise en œuvre de ces noyaux est nécessaire.

Ce qui est nouveau dans la version 0.9.3:

  • Caractéristiques:
  • Expérimental lp-norme MCMKL
  • de nouveaux noyaux: SpectrumRBFKernelRBF, SpectrumMismatchRBFKernel, WeightedDegreeRBFKernel
  • noyau WDK soutient acides aminés
  • Cordes Caractéristiques prennent désormais en charge les opérations ajouter (et la création de
  • Support python-dbg
  • Laissez flotteurs comme entrée pour noyau personnalisé (et matrices & gt; 4Go)
  • Correction de bugs:
  • statique solution de liaison.
  • Fixer la add_to_normal de rares linéaire noyau
  • Nettoyage et Changement de l'interface:
  • Supprimer fonction init () dans les mesures de performance
  • Régler .so suffixe pour python et utiliser distutils python de comprendre installer chemins

Ce qui est nouveau dans la version 0.9.2:

  • Caractéristiques:
  • Lecture directe et l'écriture de fichiers en fonction ASCII / fichiers binaires / HDF5.
  • Mise en œuvre plusieurs normalisateur tâche du noyau.
  • Mettre en place SNP noyau.
  • Mettre en œuvre délai pour libsvm / libsvr.
  • Intégrer Elastic Net MKL (grâce Ryoata Tomioka pour le patch).
  • Mettre en œuvre Caractéristiques Hashed DEO.
  • Mettre en œuvre Hashed Caractéristiques Sparse Poly.
  • Intégrer liblinear 1,51
  • libsvm peut désormais être formé avec partialité désactivé.
  • Ajout de fonctions pour définir / obtenir io / parallèle global et local / ... objets.
  • Correction de bugs:
  • Fix set_w () pour les classificateurs linéaires.
  • statique Octave, interfaces Python, CMDLINE et Python modulaire compiler proprement sous Windows / Cygwin nouveau.
  • Dans les interfaces statiques tests pourrait échouer lorsqu'il ne est pas directement fait après la formation.

Captures d'écran

shogun_1_69000.jpg

Logiciel similaire

Commentaires à SHOGUN

Commentaires non trouvées
Ajouter un commentaire
Tourner sur les images!