Dies ist die Windows-App namens MLJAR Studio, deren neueste Version als v1.1.18sourcecode.tar.gz heruntergeladen werden kann. Sie kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens MLJAR Studio mit OnWorks kostenlos herunter und führen Sie sie online 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 einen beliebigen OS OnWorks-Online-Emulator von dieser Website, aber einen besseren Windows-Online-Emulator.
- 5. Rufen Sie vom gerade gestarteten OnWorks Windows-Betriebssystem unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter und installieren Sie sie.
- 7. Laden Sie Wine aus den Software-Repositorys Ihrer Linux-Distributionen herunter. Nach der Installation können Sie dann auf die App doppelklicken, um sie mit Wine auszuführen. Sie können auch PlayOnLinux ausprobieren, eine schicke Schnittstelle über Wine, die Ihnen bei der Installation beliebter Windows-Programme und -Spiele hilft.
Wine ist eine Möglichkeit, Windows-Software unter Linux auszuführen, jedoch ohne Windows. Wine ist eine Open-Source-Windows-Kompatibilitätsschicht, die Windows-Programme direkt auf jedem Linux-Desktop ausführen kann. Im Wesentlichen versucht Wine, genügend Windows von Grund auf neu zu implementieren, damit alle diese Windows-Anwendungen ausgeführt werden können, ohne dass Windows tatsächlich benötigt wird.
SCREENSHOTS:
MLJAR Studio
BESCHREIBUNG:
Wir arbeiten an neuen Wegen der visuellen Programmierung. Wir haben die Desktop-Anwendung MLJAR Studio entwickelt. Sie ist eine Notebook-basierte Entwicklungsumgebung mit interaktiven Code-Rezepten und einer verwalteten Python-Umgebung. Alles läuft lokal auf Ihrem Rechner. Wir freuen uns auf Ihr Feedback. mljar-supervised ist ein Python-Paket für automatisiertes Machine Learning, das mit tabellarischen Daten arbeitet. Es soll Datenwissenschaftlern Zeit sparen. Es abstrahiert die übliche Methode zur Datenvorverarbeitung, zur Erstellung von Machine-Learning-Modellen und zur Optimierung der Hyperparameter, um das optimale Modell zu finden. Es ist keine Blackbox, da Sie den Aufbau der ML-Pipeline genau nachvollziehen können (mit einem detaillierten Markdown-Bericht für jedes ML-Modell).
Eigenschaften
- Es verwendet viele Algorithmen: Baseline, Linear, Random Forest, Extra Trees, LightGBM, Xgboost, CatBoost, Neural Networks und Nearest Neighbors
- Es kann Ensemble basierend auf einem Greedy-Algorithmus aus dem Caruana-Papier berechnen
- Es kann Modelle stapeln, um ein Ensemble der Stufe 2 zu erstellen (verfügbar im Compete-Modus oder nach dem Festlegen des Parameters stack_models).
- Es kann Funktionen vorverarbeiten, wie z. B. die Imputation fehlender Werte und die Konvertierung kategorialer Werte. Darüber hinaus kann es auch die Vorverarbeitung von Zielwerten übernehmen.
- Es kann erweiterte Features Engineering, wie Golden Features, Features Selection, Text und Time Transformations
- Es kann Hyperparameter mit einem nicht ganz zufälligen Suchalgorithmus (Zufallssuche über einen definierten Wertesatz) und Hill Climbing optimieren, um endgültige Modelle zu optimieren
- Es kann die Basislinie für Ihre Daten berechnen, sodass Sie wissen, ob Sie maschinelles Lernen benötigen oder nicht
Programmiersprache
Python
Kategorien
Diese Anwendung ist auch unter https://sourceforge.net/projects/mljar-studio.mirror/ verfügbar. Sie wurde in OnWorks gehostet, um die Ausführung online auf einem unserer kostenlosen Betriebssysteme zu vereinfachen.