This is the Windows app named benchm-ml whose latest release can be downloaded as benchm-mlsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Download and run online this app named benchm-ml with OnWorks for free.
このアプリを実行するには、次の手順に従ってください。
-1。このアプリケーションをPCにダウンロードしました。
--2。ファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXに必要なユーザー名を入力します。
-3。このアプリケーションをそのようなファイルマネージャにアップロードします。
-4。このWebサイトからOSOnWorksオンラインエミュレーターを起動しますが、Windowsオンラインエミュレーターの方が優れています。
-5。起動したばかりのOnWorksWindows OSから、必要なユーザー名でファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXにアクセスします。
-6。アプリケーションをダウンロードしてインストールします。
-7.LinuxディストリビューションソフトウェアリポジトリからWineをダウンロードします。 インストールしたら、アプリをダブルクリックして、Wineで実行できます。 また、人気のあるWindowsプログラムやゲームのインストールに役立つWine上の豪華なインターフェイスであるPlayOnLinuxを試すこともできます。
WineはLinux上でWindowsソフトウェアを実行する方法ですが、Windowsは必要ありません。 Wineは、任意のLinuxデスクトップでWindowsプログラムを直接実行できるオープンソースのWindows互換性レイヤーです。 基本的に、Wineは、実際にWindowsを必要とせずに、これらすべてのWindowsアプリケーションを実行できるように、十分な数のWindowsを最初から再実装しようとしています。
スクリーンショットは
Ad
ベンチm-ml
DESCRIPTION
This repository is designed to provide a minimal benchmark framework comparing commonly used machine learning libraries in terms of scalability, speed, and classification accuracy. The focus is on binary classification tasks without missing data, where inputs can be numeric or categorical (after one-hot encoding). It targets large scale settings by varying the number of observations (n) up to millions and the number of features (after expansion) to about a thousand, to stress test different implementations. The benchmarks cover algorithms like logistic regression, random forest, gradient boosting, and deep neural networks, and they compare across toolkits such as scikit-learn, R packages, xgboost, H2O, Spark MLlib, etc. The repository is structured in logical folders (e.g. “1-linear”, “2-rf”, “3-boosting”, “4-DL”) each corresponding to algorithm categories.
オプション
- Comparative benchmarks across ML toolkits (scikit-learn, R, H2O, xgboost, Spark MLlib)
- Algorithm coverage: logistic regression, random forests, boosting, deep neural nets
- Scalable testing with large n (e.g. 10K → 10M) and p (~1K)
- Synthetic data generation and real dataset integration (e.g. Higgs)
- Structured folder organization by algorithm type
- Runtime, memory, and accuracy measurement tools to compare implementations
プログラミング言語
R
カテゴリー
This is an application that can also be fetched from https://sourceforge.net/projects/benchm-ml.mirror/. It has been hosted in OnWorks in order to be run online in an easiest way from one of our free Operative Systems.
