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.
Дотримуйтесь цих інструкцій, щоб запустити цю програму:
- 1. Завантажив цю програму на свій ПК.
- 2. Введіть у наш файловий менеджер https://www.onworks.net/myfiles.php?username=XXXXX із потрібним ім'ям користувача.
- 3. Завантажте цю програму в такий файловий менеджер.
- 4. Запустіть будь-який онлайн емулятор ОС OnWorks з цього веб-сайту, але кращий онлайн-емулятор Windows.
- 5. З ОС OnWorks Windows, яку ви щойно запустили, перейдіть до нашого файлового менеджера https://www.onworks.net/myfiles.php?username=XXXXX з потрібним іменем користувача.
- 6. Завантажте програму та встановіть її.
- 7. Завантажте Wine зі сховищ програмного забезпечення дистрибутивів Linux. Після встановлення ви можете двічі клацнути програму, щоб запустити їх за допомогою Wine. Ви також можете спробувати PlayOnLinux, модний інтерфейс замість Wine, який допоможе вам встановити популярні програми та ігри Windows.
Wine — це спосіб запуску програмного забезпечення Windows на Linux, але без використання Windows. Wine — це рівень сумісності Windows з відкритим вихідним кодом, який може запускати програми Windows безпосередньо на будь-якому робочому столі Linux. По суті, Wine намагається повторно реалізувати достатньо Windows з нуля, щоб він міг запускати всі ці програми Windows, насправді не потребуючи Windows.
ЕКРАНИ
Ad
benchm-ml
ОПИС
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.
Функції
- 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
Мова програмування
R
Категорії
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.
