Esta es la aplicación para Linux llamada MLJAR Studio, cuya última versión se puede descargar como v1.1.18sourcecode.tar.gz. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.
Descargue y ejecute en línea esta aplicación llamada MLJAR Studio con OnWorks de forma gratuita.
Siga estas instrucciones para ejecutar esta aplicación:
- 1. Descargue esta aplicación en su PC.
- 2. Ingrese en nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 3. Cargue esta aplicación en dicho administrador de archivos.
- 4. Inicie el emulador en línea OnWorks Linux o Windows en línea o el emulador en línea MACOS desde este sitio web.
- 5. Desde el SO OnWorks Linux que acaba de iniciar, vaya a nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 6. Descarga la aplicación, instálala y ejecútala.
SCREENSHOTS
Ad
Estudio MLJAR
DESCRIPCIÓN
Estamos trabajando en una nueva forma de programación visual. Desarrollamos una aplicación de escritorio llamada MLJAR Studio. Se trata de un entorno de desarrollo basado en notebook con recetas de código interactivas y un entorno Python administrado. Todo se ejecuta localmente en su equipo. Esperamos sus comentarios. mljar-supervised es un paquete de Python para el aprendizaje automático automatizado que trabaja con datos tabulares. Está diseñado para ahorrar tiempo a los científicos de datos. Abstrae la forma habitual de preprocesar los datos, construir los modelos de aprendizaje automático y realizar ajustes de hiperparámetros para encontrar el mejor modelo. No es una caja negra, ya que puede ver exactamente cómo se construye la canalización de aprendizaje automático (con un informe detallado de Markdown para cada modelo de aprendizaje automático).
Caracteristicas
- Utiliza muchos algoritmos: línea base, lineal, bosque aleatorio, árboles adicionales, LightGBM, Xgboost, CatBoost, redes neuronales y vecinos más cercanos.
- Puede calcular Ensemble basándose en un algoritmo voraz del artículo de Caruana
- Puede apilar modelos para construir un conjunto de nivel 2 (disponible en el modo Competir o después de configurar el parámetro stack_models)
- Permite el preprocesamiento de características, como la imputación de valores faltantes y la conversión de categóricos. Además, también puede gestionar el preprocesamiento de valores objetivo.
- Puede realizar ingeniería de funciones avanzadas, como funciones doradas, selección de funciones y transformaciones de texto y tiempo.
- Puede ajustar hiperparámetros con un algoritmo de búsqueda no tan aleatorio (búsqueda aleatoria sobre un conjunto definido de valores) y escalada de colinas para ajustar los modelos finales.
- Puede calcular la línea base de sus datos para que sepa si necesita aprendizaje automático o no.
Lenguaje de programación
Python
Categorías
Esta aplicación también se puede descargar desde https://sourceforge.net/projects/mljar-studio.mirror/. Está alojada en OnWorks para facilitar su ejecución en línea desde uno de nuestros sistemas operativos gratuitos.
