Paket: shogun-doc-en (3.2.0-8)

[ Quellcode: shogun  ]

Werkzeugkasten für maschinelles Lernen im großen Maßstab

SHOGUN - ein neuer Werkzeugkasten mit Fokus auf Kernel-Methoden und insbesondere auf Support Vector Machines (SVM) mit Fokus auf Bioinformatik. Er enthält eine generische SVM-Objektschnittstelle zu einigen unterschiedlichen SVM-Implementierungen. Jede der SVMs kann mit einer ganzen Reihe der vielen implementierten Kernel kombiniert werden. Er kann mit gewichteten Linearkombinationen einer Anzahl von Sub-Kerneln umgehen, wobei es nicht nötig ist, dass jeder Kernel innerhalb der gleichen Domäne sein muss, wohin eine optimale Sub-Kernel-Gewichtung durch mehrfache Kernel-Lehren erlernt werden kann. Abgesehen von SVM 2-Klassen-Klassifizierungs- und -Regressionsproblemen sind eine Anzahl linearer Methoden, wie Linear Discriminant Analysis (LDA), Linear Programming Machine (LPM), (Kernel) Perceptrons und auch Algorithmen zum Lernen mit Hidden Markov Models (HMM) implementiert. Das Eingabeobjekt kann dense, sparse oder ein String und vom Typus Int/Short/Double/Char sein und kann in verschiedene Eigenschaftstypen umgewandelt werden. Präprozessor-Ketten (z.B. Subtrahieren des Mittels) können jedem Eigenschaftsobjekt zugeordnet werden und ermöglichen dadurch eine »On-The-Fly«-Vorverarbeitung.

SHOGUN gibt es in verschiedenen Varianten: eine alleinstehende Version sowie Schnittstellen zu Matlab(tm), R, Octave, Readline und Python. Dies ist die englische Dokumentation für Benutzer und Entwickler.

Markierungen: Software-Entwicklung: Dokumentation, Hergestellt aus: HTML, Hypertext Markup Language (Hypertext-Auszeichnungssprache), Rolle: Dokumentation

Andere Pakete mit Bezug zu shogun-doc-en

• rec: libshogun-dev

  Large Scale Machine Learning Toolbox

shogun-doc-en herunterladen

Download für alle verfügbaren Architekturen

Architektur	Paketgröße	Größe (installiert)	Dateien
all	27.798,0 kB	239.066,0 kB	[Liste der Dateien]