Dies ist die Linux-App namens AutoMLPipeline.jl, deren neueste Version als v0.4.7sourcecode.tar.gz heruntergeladen werden kann. Sie kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens AutoMLPipeline.jl kostenlos herunter und führen Sie sie online mit OnWorks aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS
Ad
AutoMLPipeline.jl
BESCHREIBUNG
AutoMLPipeline (AMLP) ist ein Paket, das die Erstellung komplexer ML-Pipeline-Strukturen mithilfe einfacher Ausdrücke vereinfacht. Es nutzt die integrierten Makroprogrammierfunktionen von Julia, um Pipeline-Ausdrücke symbolisch zu verarbeiten und zu manipulieren, und erleichtert die Ermittlung optimaler Strukturen für Regression und Klassifizierung im maschinellen Lernen. Zur Veranschaulichung ist hier ein Pipeline-Ausdruck und die Auswertung eines typischen Workflows für maschinelles Lernen dargestellt, der numerische Merkmale (numf) für ica- (Independent Component Analysis) bzw. pca- (Principal Component Analysis) Transformationen extrahiert und mit der Hot-Bit-Kodierung (ohe) kategorialer Merkmale (catf) gegebener Daten für die rf-Modellierung (Random Forest) verknüpft.
Eigenschaften
- Symbolische Pipeline-API für die einfache Darstellung und umfassende Beschreibung komplexer Pipeline-Strukturen und Verarbeitungsabläufe
- Gängige API-Wrapper für ML-Bibliotheken, einschließlich Scikitlearn, DecisionTree usw.
- Leicht erweiterbare Architektur durch Überladung von nur zwei Hauptschnittstellen: fit! und transform
- Meta-Ensembles, die die Zusammenstellung von Ensembles von Ensembles (bei Bedarf rekursiv) für robuste Vorhersageroutinen ermöglichen
- Kategoriale und numerische Merkmalsselektoren für spezialisierte Vorverarbeitungsroutinen basierend auf Typen
- AutoMLPipeline befindet sich im offiziellen Julia-Paketregister
Programmiersprache
Julia
Kategorien
Diese Anwendung kann auch von https://sourceforge.net/projects/automlpipeline-jl.mirror/ heruntergeladen werden. Sie wurde in OnWorks gehostet, um sie auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme aus ausführen zu können.
