Il s'agit de l'application Linux MLJAR Studio, dont la dernière version est téléchargeable sous le nom v1.1.18sourcecode.tar.gz. Elle peut être exécutée en ligne sur l'hébergeur gratuit OnWorks pour postes de travail.
Téléchargez et exécutez en ligne cette application nommée MLJAR Studio avec OnWorks gratuitement.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN
Ad
Studio MLJAR
DESCRIPTION
Nous travaillons sur une nouvelle approche de la programmation visuelle. Nous avons développé une application de bureau appelée MLJAR Studio. Il s'agit d'un environnement de développement basé sur un bloc-notes, avec des recettes de code interactives et un environnement Python géré. Le tout s'exécute localement sur votre machine. Nous attendons vos commentaires. mljar-supervised est un package Python d'apprentissage automatique automatisé qui fonctionne avec des données tabulaires. Il est conçu pour faire gagner du temps aux data scientists. Il résume la méthode courante de prétraitement des données, de construction de modèles d'apprentissage automatique et d'optimisation des hyperparamètres pour trouver le modèle optimal. Ce n'est pas une boîte noire : vous pouvez visualiser précisément la construction du pipeline d'apprentissage automatique (avec un rapport Markdown détaillé pour chaque modèle d'apprentissage automatique).
Caractéristiques
- Il utilise de nombreux algorithmes : Baseline, Linear, Random Forest, Extra Trees, LightGBM, Xgboost, CatBoost, Neural Networks et Nearest Neighbors
- Il peut calculer l'ensemble basé sur un algorithme glouton issu du document de Caruana
- Il peut empiler des modèles pour construire un ensemble de niveau 2 (disponible en mode Compétition ou après avoir défini le paramètre stack_models)
- Il peut effectuer le prétraitement des caractéristiques, comme l'imputation des valeurs manquantes et la conversion des catégories. Il peut également gérer le prétraitement des valeurs cibles.
- Il peut effectuer des ingénieries de fonctionnalités avancées, telles que les fonctionnalités Golden, la sélection de fonctionnalités, les transformations de texte et de temps.
- Il peut ajuster les hyper-paramètres avec un algorithme de recherche pas si aléatoire (recherche aléatoire sur un ensemble défini de valeurs) et une ascension de colline pour affiner les modèles finaux
- Il peut calculer la ligne de base de vos données afin que vous sachiez si vous avez besoin de l'apprentissage automatique ou non.
Langage de programmation
Python
Catégories
Cette application peut également être téléchargée depuis https://sourceforge.net/projects/mljar-studio.mirror/. Elle est hébergée sur OnWorks afin de pouvoir être exécutée en ligne plus facilement depuis l'un de nos systèmes d'exploitation gratuits.
