機(jī)器學(xué)習(xí)java

什么是開始使用Java機(jī)器學(xué)習(xí)的最佳工具？

他們已經(jīng)存在了一段時(shí)間，但如今看來，每個(gè)人都在談?wù)撊斯ぶ悄芎蜋C(jī)器學(xué)習(xí)。 對(duì)于科學(xué)家和研究人員而言，它已經(jīng)不再是秘密，幾乎可以在任何新興技術(shù)中實(shí)現(xiàn)。

在下面的文章中，我們將快速概述主要的Java機(jī)器學(xué)習(xí)框架，并顯示入門起來很容易-無需重新設(shè)計(jì)輪子并從頭開始創(chuàng)建自己的算法。

人民的人工智能

人工智能是一個(gè)廣闊而涼爽的領(lǐng)域，已經(jīng)存在了一段時(shí)間，但始終感到有些遙不可及，特別是為科學(xué)家而設(shè)。 如果要?jiǎng)?chuàng)建AI系統(tǒng)，則必須自己實(shí)現(xiàn)核心算法并對(duì)其進(jìn)行訓(xùn)練，以識(shí)別模式，理解圖像并處理自然語言。

最近圍繞該領(lǐng)域的嗡嗡聲和發(fā)展使非研究者更容易使用它。 現(xiàn)在，您可以輕松訪問相關(guān)的算法和工具。 您必須知道自己在做什么，但是使用機(jī)器學(xué)習(xí)功能來增強(qiáng)應(yīng)用程序要容易得多。

使機(jī)器運(yùn)轉(zhuǎn)

為了簡化操作，我們決定重點(diǎn)介紹3個(gè)項(xiàng)目，以幫助您入門：

Deeplearning4J（DL4J） – JVM的開源，分布式和商業(yè)級(jí)深度學(xué)習(xí)庫

BID數(shù)據(jù)項(xiàng)目 –一系列模式可實(shí)現(xiàn)快速，大規(guī)模的機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘

Neuroph –面向?qū)ο蟮纳窠?jīng)網(wǎng)絡(luò)

順便說一下，我們最近發(fā)布了另一個(gè)有趣的開源GitHub庫列表，引起了我們的注意。 檢查一下 。

1. DL4J –深度學(xué)習(xí)

DL4J是一種工具，可以幫助您配置由多層構(gòu)成的深度神經(jīng)網(wǎng)絡(luò)。 它不僅為JVM帶來了深度學(xué)習(xí)，還具有大規(guī)模的快速原型制作和自定義功能，同時(shí)側(cè)重于配置之外的更多約定。

對(duì)于那些已經(jīng)具備創(chuàng)建和使用深度神經(jīng)網(wǎng)絡(luò)所需理論但又不想自己實(shí)現(xiàn)算法的人來說，這是一個(gè)工具。 您可以使用它來解決涉及大量數(shù)據(jù)的特定問題并自定義神經(jīng)網(wǎng)絡(luò)屬性。

DL4J用Java編寫，使其與任何JVM語言（例如Clojure，Scala或Kotlin）兼容，并且與Hadoop和Spark集成。

可能的用例包括評(píng)級(jí)或推薦系統(tǒng)（CRM，adtech，防止流失），預(yù)測(cè)分析甚至欺詐檢測(cè)。 如果您正在尋找真實(shí)的示例，可以查看Rapidminer 。 這是一個(gè)開放源數(shù)據(jù)平臺(tái)，使用DL4J為其用戶簡化了預(yù)測(cè)分析過程。

設(shè)置新的神經(jīng)網(wǎng)絡(luò)就像創(chuàng)建新對(duì)象一樣容易：

ultiLayerConfiguration conf = new NeuralNetConfiguration.Builder().iterations(1).weightInit(WeightInit.XAVIER).activation("relu").optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT).learningRate(0.05)// ... other hyperparameters.backprop(true).build();

2. BID數(shù)據(jù)項(xiàng)目

BID數(shù)據(jù)項(xiàng)目專為那些處理大量數(shù)據(jù)并且對(duì)性能敏感的人而設(shè)計(jì)。 加州大學(xué)伯克利分校的這個(gè)項(xiàng)目是硬件，軟件和設(shè)計(jì)模式的集合，可實(shí)現(xiàn)快速大規(guī)模的數(shù)據(jù)挖掘。

第一個(gè)庫是BIDMach ，它在單個(gè)節(jié)點(diǎn)或群集上保存許多常見機(jī)器學(xué)習(xí)問題的記錄。 您可以使用它來管理數(shù)據(jù)源，通過CPU或GPU優(yōu)化和分發(fā)數(shù)據(jù)。

它包含許多流行的機(jī)器學(xué)習(xí)算法，并且該團(tuán)隊(duì)正在開發(fā)分布式深度學(xué)習(xí)網(wǎng)絡(luò)，圖形算法和其他模型。

另外兩個(gè)庫是BIDMat ，這是一個(gè)快速矩陣代數(shù)庫，專注于數(shù)據(jù)挖掘和BIDParse （GPU加速的自然語言解析器）。 該項(xiàng)目中的其他庫包括可視化工具，以及使您可以在Spark甚至Android上運(yùn)行的庫。

BIDMach基準(zhǔn)測(cè)試反復(fù)顯示出比其他解決方案更好的結(jié)果，即使與在大型群集上運(yùn)行的替代產(chǎn)品相比，即使使用一臺(tái)計(jì)算機(jī)，也是如此。 完整的基準(zhǔn)測(cè)試列表可在此處找到。

3. Neuroph

Neuroph是用于開發(fā)通用神經(jīng)網(wǎng)絡(luò)架構(gòu)的輕量級(jí)Java框架。 該框架提供了一個(gè)Java庫以及一個(gè)GUI工具（稱為easyNeurons），您可以使用它來在Java程序中創(chuàng)建和訓(xùn)練自己的神經(jīng)網(wǎng)絡(luò)。

它包含一個(gè)開放源代碼Java庫，其中包含少量與基本神經(jīng)網(wǎng)絡(luò)概念相對(duì)應(yīng)的基本類。 如果您剛剛開始使用神經(jīng)網(wǎng)絡(luò)，或者想知道它們的工作原理，那么這是一個(gè)很好的墊腳石。

您可以嘗試Neuroph在線演示，并查看其實(shí)際工作原理。 劇透警報(bào)：界面看起來過時(shí)且過時(shí)，但是您可以用它來創(chuàng)造美好的事物。 此外，它還獲得了2013年 “ 杜克選擇獎(jiǎng)” 。

網(wǎng)絡(luò)圖視圖

別人呢？

如果這三個(gè)項(xiàng)目不是您的理想之選，而您正在尋找與項(xiàng)目有些不同的東西，請(qǐng)不要擔(dān)心。 如果您在GitHub上搜索“ Machine learning ”，則會(huì)找到1,506個(gè)Java存儲(chǔ)庫，這些存儲(chǔ)庫可能為您提供了正確的工具。

例如，Airbnb的一個(gè)有趣的項(xiàng)目是aerosolve ； 旨在使人類友好的機(jī)器學(xué)習(xí)庫。

開始使用新技術(shù)始終是麻煩的源頭。 如果您需要有關(guān)異常的幫助，請(qǐng)務(wù)必查看Takipi的錯(cuò)誤分析工具 。

最后的想法

每隔幾年，就會(huì)有關(guān)于AI的新話題。 這次，它以機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘，神經(jīng)網(wǎng)絡(luò)等形式進(jìn)行了增強(qiáng)，我們?nèi)σ愿啊?這些庫是開放源代碼的事實(shí)意味著信息和功能都可以搶到，而您所要做的就是思考使用此功能可以做什么。

如果您知道其他有趣的項(xiàng)目，或者認(rèn)為我們錯(cuò)過了任何事情，歡迎在下面的評(píng)論中聽到。

翻譯自: https://www.javacodegeeks.com/2016/07/get-started-java-machine-learning.html

機(jī)器學(xué)習(xí)java

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的机器学习java_如何开始使用Java机器学习的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。