smile——Java機器學習引擎

資源

https://haifengl.github.io/
https://github.com/haifengl/smile

介紹

Smile（統計機器智能和學習引擎）是一個基於Java和Scala的快速、全面的機器學習、NLP、線性代數、圖形、插值和可視化系統。
憑藉先進的數據結構和算法，Smile提供了最先進的性能。Smile有很好的文檔記錄，請查看項目網站以獲取編程指南和更多信息。

Smile涵蓋了機器學習的各個方面，包括分類、迴歸、聚類、關聯規則挖掘、特徵選擇、流形學習、多維縮放、遺傳算法、缺失值插補、高效最近鄰搜索等。

Smile實現了以下主要的機器學習算法：

• 分類：支持向量機、決策樹、AdaBoost、梯度提升、隨機森林、邏輯迴歸、神經網絡、RBF網絡、最大熵分類器、KNN、樸素貝葉斯、Fisher/線性/二次/正則判別分析。
• 迴歸：支持向量迴歸、高斯過程、迴歸樹、梯度提升、隨機森林、RBF網絡、OLS、套索、彈性網絡、嶺迴歸。
• 特徵選擇：基於遺傳算法的特徵選擇，基於集成學習的特徵選擇、樹形圖、信噪比和平方比。
• 聚類：BIRCH、CLARANS、DBSCAN、DENCLUE、確定性退火、K-均值、X-均值、G-均值、神經氣體、生長神經氣體、層次聚類、順序信息瓶頸、自組織映射、光譜聚類、最小熵聚類。
• 關聯規則和頻繁項集挖掘：FP增長挖掘算法。
• 流形學習：IsoMap、LLE、拉普拉斯特徵映射、t-SNE、UMAP、PCA、核PCA、概率PCA、GHA、隨機投影、ICA。
• 多維標度：經典MDS、等滲MDS和Sammon映射。
• 最近鄰搜索：BK樹、覆蓋樹、KD樹、SimHash、LSH。
• 序列學習：隱馬爾可夫模型，條件隨機場。
• 自然語言處理：分句器和標記器、雙元統計測試、短語提取器、關鍵詞提取器、詞幹分析器、詞性標註、相關性排序

使用（Java等集成）

maven引入

    <dependency>
      <groupId>com.github.haifengl</groupId>
      <artifactId>smile-core</artifactId>
      <version>2.6.0</version>
    </dependency>

Shell使用

模型序列化

大多數模型支持Java可序列化接口（所有分類器都支持可序列化接口），因此您可以在Spark中使用它們。
對於在非Java代碼中讀/寫模型，我們建議使用XStream以串行化訓練的模型。XStream是一個簡單的庫，用於將對象序列化爲XML並再次序列化。XStream易於使用，不需要映射（實際上不需要修改對象）。Protostuff是一個很好的替代方案，它支持向前向後兼容性（模式演化）和驗證。除了XML之外，Protostuff還支持許多其他格式，如JSON、YAML、protobuf等。

可視化

Smile提供了一個基於Swing的數據可視化庫SmilePlot，它提供散點圖、線圖、階梯圖、條形圖、方框圖、直方圖、3D直方圖、樹狀圖、熱圖、hexmap、QQ圖、等高線圖、曲面和線框。
需要引入庫

    <dependency>
      <groupId>com.github.haifengl</groupId>
      <artifactId>smile-plot</artifactId>
      <version>2.6.0</version>
    </dependency>

Smile還支持聲明方式的數據可視化。使用mile.plot.vega軟件包，我們可以創建一個規範，將可視化描述爲從數據到圖形標記（如點或條）屬性的映射。
該規範基於Vega-Lite。Vega-Lite編譯器自動生成可視化組件，包括軸、圖例和比例。然後，它根據一組精心設計的規則確定這些組件的屬性。

示例