This is the Windows app named MLJAR Studio whose latest release can be downloaded as v1.1.18sourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
ດາວນ໌ໂຫລດແລະດໍາເນີນການອອນໄລນ໌ app ນີ້ມີຊື່ MLJAR Studio ກັບ OnWorks ໄດ້ຟຣີ.
ປະຕິບັດຕາມຄໍາແນະນໍາເຫຼົ່ານີ້ເພື່ອດໍາເນີນການ app ນີ້:
- 1. ດາວໂຫຼດຄໍາຮ້ອງສະຫມັກນີ້ໃນ PC ຂອງທ່ານ.
- 2. ໃສ່ໃນຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 3. ອັບໂຫລດແອັບພລິເຄຊັນນີ້ຢູ່ໃນຕົວຈັດການໄຟລ໌ດັ່ງກ່າວ.
- 4. ເລີ່ມ emulator ອອນ ໄລ ນ ໌ OS OnWorks ຈາກ ເວັບ ໄຊ ທ ໌ ນີ້, ແຕ່ ດີກ ວ່າ Windows ອອນ ໄລ ນ ໌ emulator.
- 5. ຈາກ OnWorks Windows OS ທີ່ເຈົ້າຫາກໍ່ເລີ່ມຕົ້ນ, ໄປທີ່ຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 6. ດາວນ໌ໂຫລດຄໍາຮ້ອງສະຫມັກແລະຕິດຕັ້ງມັນ.
- 7. ດາວໂຫລດ Wine ຈາກບ່ອນເກັບມ້ຽນຊອບແວການແຈກຢາຍ Linux ຂອງທ່ານ. ເມື່ອຕິດຕັ້ງແລ້ວ, ທ່ານສາມາດຄລິກສອງຄັ້ງ app ເພື່ອດໍາເນີນການໃຫ້ເຂົາເຈົ້າກັບ Wine. ນອກນັ້ນທ່ານຍັງສາມາດລອງ PlayOnLinux, ການໂຕ້ຕອບທີ່ແປກປະຫຼາດໃນໄລຍະ Wine ທີ່ຈະຊ່ວຍໃຫ້ທ່ານຕິດຕັ້ງໂປລແກລມ Windows ແລະເກມທີ່ນິຍົມ.
ເຫຼົ້າແວງເປັນວິທີການແລ່ນຊອບແວ Windows ໃນ Linux, ແຕ່ບໍ່ມີ Windows ທີ່ຕ້ອງການ. ເຫຼົ້າແວງແມ່ນຊັ້ນຄວາມເຂົ້າກັນໄດ້ຂອງ Windows ແຫຼ່ງເປີດທີ່ສາມາດເອີ້ນໃຊ້ໂຄງການ Windows ໂດຍກົງໃນ desktop Linux ໃດກໍໄດ້. ໂດຍພື້ນຖານແລ້ວ, Wine ກໍາລັງພະຍາຍາມປະຕິບັດໃຫມ່ຢ່າງພຽງພໍຂອງ Windows ຕັ້ງແຕ່ເລີ່ມຕົ້ນເພື່ອໃຫ້ມັນສາມາດດໍາເນີນການຄໍາຮ້ອງສະຫມັກ Windows ທັງຫມົດໄດ້ໂດຍບໍ່ຕ້ອງໃຊ້ Windows.
ພາບຫນ້າຈໍ:
MLJAR Studio
DESCRIPTION:
ພວກເຮົາກໍາລັງເຮັດວຽກກ່ຽວກັບວິທີໃຫມ່ສໍາລັບການຂຽນໂປລແກລມສາຍຕາ. ພວກເຮົາໄດ້ພັດທະນາແອັບພລິເຄຊັນ desktop ທີ່ເອີ້ນວ່າ MLJAR Studio. ມັນເປັນສະພາບແວດລ້ອມການພັດທະນາທີ່ອີງໃສ່ປື້ມບັນທຶກທີ່ມີສູດລະຫັດການໂຕ້ຕອບແລະສະພາບແວດລ້ອມ Python ທີ່ຖືກຄຸ້ມຄອງ. ທັງໝົດທີ່ເຮັດວຽກຢູ່ໃນເຄື່ອງຂອງທ່ານ. ພວກເຮົາລໍຖ້າຄໍາຕິຊົມຂອງທ່ານ. mljar-supervised ແມ່ນແພັກເກັດການຮຽນຮູ້ເຄື່ອງຈັກອັດຕະໂນມັດ Python ທີ່ເຮັດວຽກກັບຂໍ້ມູນຕາຕະລາງ. ມັນຖືກອອກແບບມາເພື່ອປະຫຍັດເວລາສໍາລັບນັກວິທະຍາສາດຂໍ້ມູນ. ມັນ abstracts ວິທີການທົ່ວໄປເພື່ອ preprocess ຂໍ້ມູນ, ການກໍ່ສ້າງຮູບແບບການຮຽນຮູ້ເຄື່ອງຈັກ, ແລະປະຕິບັດການປັບ hyper-parameter ເພື່ອຊອກຫາຮູບແບບທີ່ດີທີ່ສຸດ. ມັນບໍ່ມີກ່ອງສີດໍາ, ດັ່ງທີ່ເຈົ້າສາມາດເຫັນໄດ້ຊັດເຈນວ່າທໍ່ ML ກໍ່ສ້າງແນວໃດ (ມີບົດລາຍງານ Markdown ລາຍລະອຽດສໍາລັບແຕ່ລະແບບ ML).
ຄຸນລັກສະນະ
- ມັນໃຊ້ຫຼາຍສູດການຄິດໄລ່: ພື້ນຖານ, ເສັ້ນ, ປ່າສຸ່ມ, ຕົ້ນໄມ້ພິເສດ, LightGBM, Xgboost, CatBoost, Neural Networks, ແລະປະເທດເພື່ອນບ້ານທີ່ໃກ້ທີ່ສຸດ.
- ມັນສາມາດຄິດໄລ່ Ensemble ໂດຍອີງໃສ່ສູດການຄິດໄລ່ຄວາມໂລບມາກຈາກເຈ້ຍ Caruana
- ມັນສາມາດ stack ຕົວແບບເພື່ອສ້າງກຸ່ມລະດັບ 2 (ມີຢູ່ໃນຮູບແບບການແຂ່ງຂັນຫຼືຫຼັງຈາກການຕັ້ງຄ່າ stack_models ພາລາມິເຕີ)
- ມັນສາມາດເຮັດຄຸນສົມບັດການປະມວນຜົນກ່ອນໄດ້, ເຊັ່ນ: ການ imputation ຄ່າທີ່ຂາດຫາຍໄປ ແລະການປ່ຽນຫມວດຫມູ່. ຍິ່ງໄປກວ່ານັ້ນ, ມັນຍັງສາມາດຈັດການຄ່າເປົ້າໝາຍກ່ອນການປະມວນຜົນໄດ້
- ມັນສາມາດເຮັດວິສະວະກໍາຄຸນນະສົມບັດແບບພິເສດ, ເຊັ່ນ: ຄຸນນະສົມບັດ Golden, ການຄັດເລືອກຄຸນນະສົມບັດ, ຂໍ້ຄວາມແລະການປ່ຽນແປງເວລາ
- ມັນສາມາດປັບ hyper-parameters ດ້ວຍວິທີການການຊອກຫາທີ່ບໍ່ເປັນແບບສຸ່ມ (ການຊອກຫາແບບສຸ່ມໃນໄລຍະທີ່ກໍານົດໄວ້ຂອງຄ່າ) ແລະການປີນພູເພື່ອປັບປັບຕົວແບບສຸດທ້າຍ
- ມັນສາມາດຄິດໄລ່ພື້ນຖານສໍາລັບຂໍ້ມູນຂອງທ່ານເພື່ອໃຫ້ເຈົ້າຮູ້ວ່າທ່ານຕ້ອງການ Machine Learning ຫຼືບໍ່
ພາສາການຂຽນໂປຣແກຣມ
Python
ປະເພດ
ນີ້ແມ່ນແອັບພລິເຄຊັນທີ່ຍັງສາມາດເອົາມາຈາກ https://sourceforge.net/projects/mljar-studio.mirror/. ມັນໄດ້ຖືກຈັດຢູ່ໃນ OnWorks ເພື່ອໃຫ້ດໍາເນີນການອອນໄລນ໌ດ້ວຍວິທີທີ່ງ່າຍທີ່ສຸດຈາກຫນຶ່ງໃນລະບົບປະຕິບັດງານຟຣີຂອງພວກເຮົາ.