Questa è l'app Linux chiamata MLJAR Studio, la cui ultima versione può essere scaricata come v1.1.18sourcecode.tar.gz. Può essere eseguita online sul provider di hosting gratuito OnWorks per workstation.
Scarica ed esegui online gratuitamente questa app chiamata MLJAR Studio con OnWorks.
Segui queste istruzioni per eseguire questa app:
- 1. Scaricata questa applicazione sul tuo PC.
- 2. Entra nel nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 3. Carica questa applicazione in tale file manager.
- 4. Avviare l'emulatore online OnWorks Linux o Windows online o l'emulatore online MACOS da questo sito Web.
- 5. Dal sistema operativo OnWorks Linux che hai appena avviato, vai al nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 6. Scarica l'applicazione, installala ed eseguila.
IMMAGINI
Ad
Studio MLJAR
DESCRIZIONE
Stiamo lavorando a un nuovo approccio alla programmazione visuale. Abbiamo sviluppato un'applicazione desktop chiamata MLJAR Studio. Si tratta di un ambiente di sviluppo basato su notebook con ricette di codice interattive e un ambiente Python gestito. Il tutto in esecuzione in locale sul tuo computer. Aspettiamo il tuo feedback. mljar-supervised è un pacchetto Python per l'apprendimento automatico automatizzato che funziona con dati tabulari. È progettato per far risparmiare tempo ai data scientist. Astrae il metodo comune per preelaborare i dati, costruire i modelli di apprendimento automatico ed eseguire l'ottimizzazione degli iperparametri per trovare il modello migliore. Non è una scatola nera, poiché puoi vedere esattamente come è strutturata la pipeline di apprendimento automatico (con un report Markdown dettagliato per ogni modello di apprendimento automatico).
Caratteristiche
- Utilizza molti algoritmi: Baseline, Linear, Random Forest, Extra Trees, LightGBM, Xgboost, CatBoost, Neural Networks e Nearest Neighbors
- Può calcolare Ensemble basandosi su un algoritmo greedy tratto dal documento di Caruana
- Può impilare modelli per creare un ensemble di livello 2 (disponibile in modalità Competi o dopo aver impostato il parametro stack_models)
- Può eseguire la pre-elaborazione delle funzionalità, come l'imputazione dei valori mancanti e la conversione dei dati categoriali. Inoltre, può anche gestire la pre-elaborazione dei valori target.
- Può eseguire funzionalità di ingegneria avanzate, come funzionalità d'oro, selezione di funzionalità, trasformazioni di testo e tempo
- Può regolare gli iperparametri con un algoritmo di ricerca non così casuale (ricerca casuale su un insieme definito di valori) e l'hill climbing per mettere a punto i modelli finali
- Può calcolare la linea di base per i tuoi dati in modo da sapere se hai bisogno o meno dell'apprendimento automatico
Linguaggio di programmazione
Python
Categorie
Questa applicazione può essere scaricata anche da https://sourceforge.net/projects/mljar-studio.mirror/. È ospitata su OnWorks per poter essere eseguita online nel modo più semplice da uno dei nostri sistemi operativi gratuiti.
