SHOGUN

SHOGUN yra atviro kodo programinės įrangos projektas, iš kompensuoti pateikti mašina mokymosi rinkinį, skirtą didelės apimties branduolio metodų ir specialiai sukurta paramos Vector Machines (SVM). Programinė įranga gali būti lengvai naudojamas nuo per įvairių programavimo kalbų, įskaitant C, C ++, Python, oktava, Matlab, Java, C #, Ruby, Lua, UNIX "Shell", ir R.
Taikymas siūlo standartinę SVM (parama Vektorius mašinos) objektą, kuris gali sąsajoms su įvairių SVM diegimas. Ji taip pat apima daug linijinius būdus, pavyzdžiui, tiesinio programavimo mašinos (LPM), Linijinė diskriminantinis analizė (LEPA), (Kernel) Perceptrons, taip pat kai kurie algoritmai, kurie gali būti naudojami mokyti paslėptas Markovo models.Features ne per glanceKey funkcijos apima vieną klasė klasifikacija, multiclass klasifikacija, regresijos, struktūruotas produkcijos mokymasis, iš anksto apdorojimas, built-in modelis atrankos strategijas, bandymų sistema, didelės apimties mokymosi parama, Daugiafunkcinis mokymosi, domenų adaptacija, Publikacija, parallelized kodas, veiklos priemonės, branduolio keteros regresijos, vektorinis regresijos parama ir Gauso procesai.
Be to, ji palaiko kelis branduolio mokymąsi, įskaitant Q norma MKL ir multiclass MKL, palaiko naivus Bajeso, logistinė regresija, Lasso, K-NN ir Gauso Procesų klasifikacija klasifikatoriai, palaiko tiesinis programavimas mašina, LDA, Markovo grandinės, paslėptus Markovo modelius, PBS, branduolio PBS, Isomap, daugiamačių skalių, vietoje linijinis indeliuose, difuzijos žemėlapis, vietos liestinė vietos suderinimas, taip pat Laplaso eigenmaps.
Be to, jis pasižymi Barnes-namelis T-KNE paramą, branduolio normalizuoja, riestinės branduolį, styginių branduoliai, daugianario, linijinis ir Gauso branduoliai, hierarchinę klasterių, K-priemones, BFGS optimizavimas, gradientas kilmės, apkaustus į medžiagų pasirinkimas, apkaustus į Mosek, etiketės seka mokymosi veiksnys grafikas mokymasis, SO-SGD, latentinis SO-SVM ir negausių duomenų representation.Under gaubtu ir availabilitySHOGUN išdidžiai parašyta Python ir C ++ programavimo kalbomis, o tai reiškia, kad jis & rsquo; s suderinamas su bet GNU / Linux operacinės sistemos kur Python ir Persijos įlankos bendradarbiavimo tarybos egzistuoja. Tai galima atsisiųsti kaip universalaus kodo archyve, todėl jūs galite įdiegti ją į bet Linux branduolio pagrindu operacinės sistemos

Kas naujo , šioje laidoje:.

• Įranga:
• Pilnai palaiko python3 dabar
• Įtraukti mini partijos k-priemonė [Parijat Mazumdar]
• Įtraukti k-priemonės ++ [Parijat Mazumdar]
• Pridėti sub-seka seka branduolys [lambday]
• Klaidų ištaisymas:
• kaupia nustatomos artėjančius swig3.0
• Pagreitis už Gauso procesas "taikyti ()
• Pagerinti vienetas / integravimo bandymo patikrinimai
• libbmrm niezainicjowanymi atminties skaito
• libocas niezainicjowanymi atminties skaito
• Octave 3.8 kaupia pataisymai [Orion Poplawski]
• Nustatyti Java modulinė kompiliavimo klaida [Bjoern Esser]

Kas naujo versijos 3.1.1:

• Nustatyti kaupia klaidą pasireiškiantis CXX0X
• Bump duomenų versiją reikalinga versija

Kas naujo versijos 3.1.0:

• Ši versija yra daugiausia bugfixes, bet taip pat yra patobulinimų .
• Svarbiausia, atminties nutekėjimas, susijusius su taikoma pora () buvo fiksuotas.
• Rašymas ir skaitymas Shogun funkcijų kaip protobuf objektų dabar įmanoma.
• branduolys Matricos dabar gali būti 2 ^ 31-1 * 2 ^ 31-1 dydis.
• Multiclass ipython nešiojamieji kompiuteriai buvo pridėta ir kiti pagerėjo.
• Palikite-vienas iš crossvalidation dabar patogiai palaikoma.

Kas naujo versijos 2.0.0:

• Ji apima viską, kuri buvo vykdoma prieš ir per Google Summer 2012 kodeksą.
• Studentai įgyvendino įvairių naujų funkcijų, tokių kaip struktūrinio išvesties mokymosi, Gauso procesus, latentinis kintamasis SVM (ir struktūrinio išvesties mokymosi), statistinių testų branduolio dauginantis erdvėse, įvairiuose režimu mokymosi algoritmus, ir įvairių Naudojimo supaprastinimas, pavadinimą kelias.

Kas naujo versijos 1.1.0:

• Ši versija pristatė "keitikliai" sąvoką, kuri leidžia jums statyti įdėtos savavališkai funkcijų.
• Ji taip pat apima keletą naujų aspektas mažinimo metodus ir reikšmingus našumo gerinimą dimensijos mažinimo priemonių rinkinį.
• Kiti patobulinimai apima reikšmingą kompiliavimo Speed-up, įvairių bugfixes modulinių sąsajų ir algoritmų ir pagerino Cygwin, Mac OS X, ir klingsėti ++ suderinamumą.
• GitHub klausimai dabar naudojama sekimo klaidas ir problemas.

Kas naujo versijos 1.0.0:

• Ši versija yra sąsajos su naujomis kalbomis, įskaitant Java, C #, Ruby ir LUA, modelis pasirinkimo sistema, daugelis aspektas mažinimo metodai, Gauso mišinio Modelis vertinimas ir visavertė internete mokymosi sistema.

Kas naujo versija 0.10.0:

• Įranga:
• serializavimas objektų, susijusių CSGObject, ty visi Shogun objektai (SVM, branduolio, Įranga, pirminio apdorojimo procesoriai, ...), kaip ASCII, JSON, XML ir hdf5
• Sukurkite SVMLightOneClass
• Pridėti CustomDistance pagal analogiją su branduolys
• Pridėti HistogramIntersectionKernel (dėka Koen van de Sande už pleistro)
• Matlab 2010a parama
• SpectrumMismatchRBFKernel modulinė parama (dėka Robas Patro už pleistro)
• Pridėti ZeroMeanCenterKernelNormalizer (dėka Gorden Jemwa už pleistro)
• Wtrąbić 2.0 palaikymas
• Klaidų ištaisymas:
• Individualizuotos branduolių, dabar gali būti & gt; 4G (dėka Koen van de Sande už pleistro)
• Nustatyti C lokalės paleidžiant į init_shogun išvengti incompatiblies su ascii plūdės ir fprintf
• Užpildykite fix, kai skaičiuojamos nuorodos yra išjungtas
• Fix set_position_weights WD branduolio (pranešta Dave duVerle)
• Fix set_wd_weights WD branduolio.
• Nustatyti CRaSHer į SVMOcas (pranešta Jaroslavas)
• Valymas ir API pokyčiai:
• Pervadintas SVM_light / SVR_light į SVMLight kt.
• Pašalinti C prefiksą priešais ne Serializable klasės pavadinimų
• lašas CSimpleKernel ir įdiegti CDotKernel jos pagrindinės klasės. Tokiu būdu visi dot-preparatą branduoliai gali būti taikoma ant DotFeatures ir tik vieną įgyvendinimo tokių branduoliai yra reikalingas.

Kas naujo versijos 0.9.3:

• Įranga:
• Eksperimentinis LP-norma MCMKL
• Nauja branduolio: SpectrumRBFKernelRBF, SpectrumMismatchRBFKernel, WeightedDegreeRBFKernel
• WDK branduolys palaiko amino rūgščių
• Styginiai Įranga dabar palaiko pridėti operacijas (ir kurti
• python-dbg parama
• Leisti plūdės kaip žaliavos branduolys (ir matricos & gt; 4GB dydžio)
• Klaidų ištaisymas:
• Statinis susiejimas nustatyti.
• Nustatyti negausūs Linijinio branduolio add_to_normal
• Valymas ir API pokyčiai:
• Pašalinti init () funkcija vykdant priemonių
• Nustatyti .Taigi priesaga Python ir naudoti python distutils išsiaiškinti įdiegti kelius

Kas naujo versijos 0.9.2:

• Įranga:
• Tiesioginis skaitymo ir rašymo ASCII / dvejetainiai failai / hdf5 remiantis failus.
• Įgyvendinti kelių užduotis branduolio normintuvo.
• Įgyvendinti SNP branduolį.
• Įgyvendinti terminą libsvm / libsvr.
• Integruoti Elastiniai Grynasis MKL (dėka Ryoata Tomioka už pleistro).
• Įgyvendinti maiša WD funkcijų.
• Įgyvendinti maiša Sparse Poly funkcijų.
• Integruoti liblinear 1.51
• LibSVM dabar gali būti mokomi su šališkumo yra išjungtas.
• Pridėti funkcijas nustatytus / Gauti pasaulinę ir vietos io / lygiagrečiai / ... objektai.
• Klaidų ištaisymas:
• Nustatyti set_w () Linijinių klasifikatorių.
• Statinis, Octave, Python, komandų eilutės ir Modulinė Python sąsajos Užpildykite švariai pagal Windows / Cygwin dar kartą.
• Be statinių sąsajos testavimas gali nepavykti, jei ne tiesiogiai padaryta po mokymo.