Обзор библиотек для машинного обучения на Python — различия между версиями

Материал из Викиконспекты
Перейти к: навигация, поиск
(Отмена правки 70880, сделанной 91.215.123.110 (обсуждение))
Строка 1: Строка 1:
[[File:Java.jpeg|auto|thumb|Java: https://www.oracle.com/java/]]
+
[[File:python-logo.png|auto|thumb|Python: https://www.python.org]]
==Популярные библиотеки==
+
 
* <code>Weka</code><ref>[https://www.cs.waikato.ac.nz/~ml/weka/ Weka]</ref> {{---}} популярная библиотека, написанная на языке <code>Java</code> и содержащая в себе множество алгоритмов машинного обучения для задач анализа данных. Предоставляет инструменты для решения задач классификации, кластеризации данных, регрессионного анализа и др.
+
==Scikit-learn==
* <code>Smile</code><ref>[https://haifengl.github.io/smile/ Smile, Statistical Machine Intelligence and Learning Engine]</ref> {{---}} <code>Java</code> фреймворк для машинного обучения, анализа естественного языка, линейной алгебры и визуализации данных. <code>Smile</code> покрывает все основные аспекты машинного обучения и предоставляет высокопроизводительные алгоритмы и структуры данных.
+
===Описание===
* <code>deeplearning4j</code><ref>[https://github.com/deeplearning4j/deeplearning4j deeplearning4j, deep learning & linear algebra for Java/Scala with GPUs + Spark]</ref> {{---}} <code>Java</code> библиотека для глубокого обучения, создания рекуррентых (в том числе распределенных) нейронных сетей.
+
Scikit-learn<ref>[https://scikit-learn.org/stable/ Библиотека scikit-learn]</ref> {{---}} библиотека машинного обучения на языке программирования Python с открытым исходным кодом. Содержит реализации практически всех возможных преобразований, и нередко ее одной хватает для полной реализации модели. В данной библиотеки реализованы методы разбиения датасета на тестовый и обучающий, вычисление основных метрик над наборами данных, проведение [[кросс-валидации|Кросс-валидация]]<sup>[на 28.01.19 не создан]</sup>. В библиотеке также есть основные алгоритмы машинного обучения: [[Линейная регрессия|линейной регрессии]]<sup>[на 28.01.19 не создан]</sup> и её модификаций Лассо, гребневой регрессии, [[Метод опорных векторов (SVM)|опорных векторов]]<sup>[на 28.01.19 не создан]</sup>, [[Дерево решений и случайный лес|решающих деревьев и лесов]] и др. Есть и реализации основных методов [[Кластеризация|кластеризации]]. Кроме того, библиотека содержит постоянно используемые исследователями методы работы с признаками: например, понижение размерности [[Метод главных компонент (PCA)|методом главных компонент]]<sup>[на 28.01.19 не создан]</sup>. Частью пакета является библиотека imblearn<ref>[https://imbalanced-learn.readthedocs.io/en/stable/index.html Библиотека imbalanced-learn]</ref>, позволяющая работать с разбалансированными выборками и генерировать новые значения.
==Примеры кода==
+
 
Для работы с приведенными ниже примерами необходим <code>JDK</code> версии не ниже 10 и система сборки <code>Maven</code>.<br>
+
===Примеры кода===
Каждый пример структурирован следующим образом:
 
# <code>Maven</code> зависимость на необходимые библиотеки
 
# Список необходимых <code>import</code> директив
 
# Код примера с комментариями
 
===Вариации регрессии===
 
{{main|Вариации регрессии}}
 
 
====Линейная регрессия====
 
====Линейная регрессия====
{{main|Линейная регрессия}}
+
{{Main|Линейная регрессия|l1=Линейная регрессия<sup>[на 28.01.19 не создан]</sup>}}
Пример линейной регресии с применением <code>weka.classifiers.functions.LinearRegression</code><ref>[http://weka.sourceforge.net/doc.dev/weka/classifiers/functions/LinearRegression.html/ Weka, Linear Regression]</ref>
+
 
 +
  <font color="green"># Add required imports</font>
 +
  '''import''' matplotlib.pyplot '''as''' plt
 +
  '''import''' numpy '''as''' np
 +
  '''from''' sklearn '''import''' datasets
 +
  '''from''' sklearn.linear_model '''import''' LinearRegression
 +
  '''from''' sklearn.metrics '''import''' mean_squared_error, r2_score
 +
 
 +
Загрузка датасета:
 +
  diabetes = datasets.load_diabetes()
 +
  <font color="green"># Use only one feature</font>
 +
  diabetes_X = diabetes.data[:, np.newaxis, <font color="blue">2</font>]
 +
 
 +
Разбиение датасета на тренировочный и тестовый:
 +
  <font color="green"># Split the data into training/testing sets</font>
 +
  x_train = diabetes_X[:<font color="blue">-20</font>]
 +
  x_test = diabetes_X[<font color="blue">-20</font>:]
 +
 
 +
  <font color="green"># Split the targets into training/testing sets</font>
 +
  y_train = diabetes.target[:<font color="blue">-20</font>]
 +
  y_test = diabetes.target[<font color="blue">-20</font>:]
 +
 
 +
Построение и обучение модели:
 +
  lr = LinearRegression()
 +
  lr.fit(x_train, y_train)
 +
  predictions = lr.predict(x_test)
 +
 
 +
Оценка алгоритма:
 +
  <font color="green"># The mean squared error</font>
 +
  print(<font color="red">"Mean squared error: %.2f"</font>
 +
        % mean_squared_error(y_test, predictions))
 +
  <font color="green"># Explained variance score: 1 is perfect prediction</font>
 +
  print(<font color="red">'Variance score: %.2f'</font> % r2_score(y_test, predictions))
 +
 
 +
  > '''Mean squared error: 2548.07'''
 +
    '''Variance score: 0.47'''
 +
 
 +
Построение графика прямой, получившейся в результате работы линейной регрессии:
 +
  plt.scatter(x_test, y_test,  color=<font color="red">'black'</font>)
 +
  plt.plot(x_test, predictions, color=<font color="red">'blue'</font>, linewidth=<font color="blue">3</font>)
 +
  plt.xticks(())
 +
  plt.yticks(())
 +
  plt.show()
 +
 
 +
[[File:Diabetes-sklearn.png|400px|none|super]]
  
  <dependency>
+
====Логистическая регрессия====
    <groupId>nz.ac.waikato.cms.weka</groupId>
+
{{Main|Логистическая регрессия}}
    <artifactId>weka-stable</artifactId>
 
    <version>3.8.0</version>
 
  </dependency>
 
  
   '''import''' weka.classifiers.functions.LinearRegression;
+
Загрузка датасета:
  '''import''' weka.core.Instance;
+
   '''from''' sklearn.datasets '''import''' load_digits
   '''import''' weka.core.Instances;
+
   digits = load_digits()
  
   <font color="green">//Load Data set</font>
+
Вывод первых трех тренировочных данных для визуализации:
   '''var''' data = new Instances(new BufferedReader(new FileReader("dataset/house.arff")));
+
   '''import''' numpy '''as''' np
   data.setClassIndex(data.numAttributes() - 1);
+
   '''import''' matplotlib.pyplot '''as''' plt
  <font color="green">//Build model</font>
+
 
   '''var''' model = new LinearRegression();
+
   plt.figure(figsize=(<font color="blue">20</font>,<font color="blue">4</font>))
  '''try''' { model.buildClassifier(data); }
+
   '''for''' index, (image, label) '''in''' enumerate(zip(digits.data[<font color="blue">0</font>:<font color="blue">3</font>], digits.target[<font color="blue">0</font>:<font color="blue">3</font>])):
  '''catch''' (Exception e) { e.printStackTrace(); }
+
    plt.subplot(<font color="blue">1</font>, <font color="blue">3</font>, index + <font color="blue">1</font>)
  <font color="green">//output model</font>
+
    plt.imshow(np.reshape(image, (<font color="blue">8</font>,<font color="blue">8</font>)), cmap=plt.cm.gray)
  System.out.printf("model parameters: %s%n", model);
+
    plt.title(<font color="red">'Training: %i\n'</font> % label, fontsize = <font color="blue">20</font>)
  <font color="green">// Now Predicting the cost</font>
 
  '''var''' myHouse = data.lastInstance();
 
  '''var''' price  = model.classifyInstance(myHouse);
 
  System.out.printf("predicted price = %s%n", price)
 
====Логистическая регрессиия====
 
{{main|Логистическая регрессия}}
 
Пример линейной регрессии с применением <code>smile.classification.LogisticRegression</code><ref>[https://haifengl.github.io/smile/api/java/smile/classification/LogisticRegression/ Smile, Logistic Regression]</ref>
 
  
  <dependency>
+
[[File:Digits-sklearn.png|800px|none|super]]
    <groupId>com.github.haifengl</groupId>
 
    <artifactId>smile-core</artifactId>
 
    <version>1.5.2</version>
 
  </dependency>
 
  
  '''import''' smile.data.AttributeDataset;
+
Разбиение датасета на тренировочный и тестовый:
   '''import''' smile.data.NominalAttribute;
+
   '''from''' sklearn.model_selection '''import''' train_test_split
  '''import''' smile.classification.LogisticRegression;
+
   x_train, x_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=<font color="blue">0.25</font>, random_state=<font color="blue">0</font>)
   '''import''' smile.data.parser.ArffParser;
 
  
   '''var''' arffParser = new ArffParser();
+
Построение и обучение модели:
  arffParser.setResponseIndex(4);
+
   '''from''' sklearn.linear_model '''import''' LogisticRegression
  '''var''' iris   = arffParser.parse(smile.data.parser.IOUtils.getTestDataFile("weka/iris.arff"));
+
   lr = LogisticRegression()
   '''var''' logClf = new LogisticRegression(iris.x(), iris.labels());
+
   lr.fit(x_train, y_train)
   logClf.predict(testX);
+
   predictions = lr.predict(x_test)
====Гребневая регрессия (ридж-регрессия)====
 
{{Main|Вариации регрессии#Гребневая регрессия (ридж-регрессия)}}
 
  
Пример гребневой регрессии с применением <code>smile.regression.RidgeRegression</code><ref>[https://haifengl.github.io/smile/api/java/smile/regression/RidgeRegression.html/ Smile, Ridge Regression]</ref>
+
Оценка алгоритма:
 +
  score = lr.score(x_test, y_test)
 +
  print(<font color="red">"Score: %.3f"</font> % score)
  
   <dependency>
+
   > '''Score: 0.953'''
    <groupId>com.github.haifengl</groupId>
 
    <artifactId>smile-core</artifactId>
 
    <version>1.5.2</version>
 
  </dependency>
 
  
  '''import''' smile.data.NominalAttribute;
+
====Перцептрон====
  '''import''' smile.data.parser.DelimitedTextParser;
+
{{Main|Нейронные сети, перцептрон}}
  '''import''' smile.regression.RidgeRegression;
 
  
   '''var''' parser = new DelimitedTextParser();
+
Загрузка датасета:
  parser.setDelimiter(", ");
+
   '''from''' sklearn '''import''' datasets
  parser.setResponseIndex(new NominalAttribute("class"), 0);
+
  iris = datasets.load_iris()
  '''var''' dataset  = parser.parse("dataset.csv");
+
   X = iris.data
   '''var''' lambda  = 0.0057d;
+
   y = iris.target
   '''var''' ridgeClf = new RidgeRegression(dataset.x(), dataset.y(), lambda);
 
  ridgeClf.predict(testX);
 
====Лассо-регрессия====
 
{{Main|Вариации регрессии#Лассо-регрессия}}
 
  
Пример Лассо-регрессии с применением <code>smile.regression.LASSO</code><ref>[https://haifengl.github.io/smile/api/java/smile/regression/LASSO.html/ Smile, LASSO regression]</ref>
+
Разбиение датасета на тренировочный и тестовый:
 +
  '''from''' sklearn.model_selection '''import''' train_test_split
 +
  X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = <font color="blue">0.20</font>)
  
   <dependency>
+
Трансформация признаков:
    <groupId>com.github.haifengl</groupId>
+
   '''from''' sklearn.preprocessing '''import''' StandardScaler
    <artifactId>smile-core</artifactId>
+
  scaler = StandardScaler()
    <version>1.5.2</version>
+
  scaler.fit(X_train)
   </dependency>
+
  X_train = scaler.transform(X_train)
 +
   X_test = scaler.transform(X_test)
  
   '''import''' smile.data.NominalAttribute;
+
Построение и обучение модели:
  '''import''' smile.data.parser.DelimitedTextParser;
+
   '''from''' sklearn.neural_network '''import''' MLPClassifier
   '''import''' smile.regression.LASSO;
+
  mlp = MLPClassifier(hidden_layer_sizes=(<font color="blue">10</font>, <font color="blue">10</font>, <font color="blue">10</font>), max_iter=<font color="blue">1000</font>)
 +
  mlp.fit(X_train, y_train.values.ravel())
 +
   predictions = mlp.predict(X_test)
  
   '''var''' parser = new DelimitedTextParser();
+
Оценка алгоритма:
  parser.setDelimiter(", ");
+
   '''from''' sklearn.metrics '''import''' classification_report, confusion_matrix
  parser.setResponseIndex(new NominalAttribute("class"), 0);
+
   print(confusion_matrix(y_test,predictions))
  '''var''' dataset = parser.parse("dataset.csv");
+
   print(classification_report(y_test,predictions))
   '''var''' lasso  = new LASSO(dataset.x(), dataset.y(), 10);
 
   lasso.predict(testX);
 
===Классификация при помощи MLP===
 
{{main|Нейронные сети, перцептрон}}
 
Пример классификации с применением <code>weka.classifiers.functions.MultilayerPerceptron</code><ref>[http://weka.sourceforge.net/doc.dev/weka/classifiers/functions/MultilayerPerceptron.html/ Weka, MLP]</ref>
 
  
   <dependency>
+
   > '''[[ 7  0  0]'''
    <groupId>nz.ac.waikato.cms.weka</groupId>
+
    '''[ 0  8  1]'''
    <artifactId>weka-stable</artifactId>
+
    '''[ 0  2 12]]'''
     <version>3.8.0</version>
+
                  '''precision    recall  f1-score  support'''
  </dependency>
+
 
 +
              '''0      1.00      1.00      1.00        7'''
 +
              '''1      0.80      0.89      0.84        9'''
 +
              '''2      0.92      0.86      0.89        14'''
 +
 
 +
      '''micro avg      0.90      0.90      0.90        30'''
 +
      '''macro avg      0.91      0.92      0.91        30'''
 +
     '''weighted avg      0.90      0.90      0.90        30'''
  
  '''import''' weka.classifiers.functions.MultilayerPerceptron;
+
====Метрический классификатор и метод ближайших соседей====
  '''import''' weka.core.converters.CSVLoader;
+
{{Main|Метрический классификатор и метод ближайших соседей#Пример использования (через scikit-learn)|l1=Метрический классификатор и метод ближайших соседей: пример через scikit-learn}}
  '''import''' java.io.File;
 
  
  <font color="green">// read train & test datasets and build MLP classifier</font>
+
====Дерево решений и случайный лес====
  '''var''' trainds = new DataSource("etc/train.csv");
+
{{Main|Дерево решений и случайный лес#Примеры использования (в scikit-learn)|l1=Дерево решений и случайный лес: пример через scikit-learn}}
  '''var''' train  = trainds.getDataSet();
 
  train.setClassIndex(train.numAttributes() - 1);
 
  '''var''' testds = new DataSource("etc/test.csv");
 
  '''var''' test  = testds.getDataSet();
 
  test.setClassIndex(test.numAttributes() - 1);
 
  '''var''' mlp = new MultilayerPerceptron();
 
  mlp.buildClassifier(train);
 
  <font color="green">// Test the model</font>
 
  '''var''' eTest = new Evaluation(train);
 
  eTest.evaluateModel(mlp, test);
 
  <font color="green">// Print the result à la Weka explorer:</font>
 
  '''var''' strSummary = eTest.toSummaryString();
 
  System.out.println(strSummary);
 
  
===Рекуррентные нейронные сети===
+
====Обработка естественного языка====
{{Main|Рекуррентные нейронные сети}}
+
{{Main|Обработка естественного языка}}
[https://github.com/deeplearning4j/dl4j-examples/blob/master/dl4j-examples/src/main/java/org/deeplearning4j/examples/recurrent/basic/BasicRNNExample.java Пример] простой рекуррентной нейронной сети, способной генерировать заданную строку по первому символу, с применением библиотеки <code>deeplearning4j</code>.
 
===Долгая краткосрочная память===
 
{{Main|Долгая краткосрочная память}}
 
[https://github.com/deeplearning4j/dl4j-examples/blob/master/dl4j-examples/src/main/java/org/deeplearning4j/examples/recurrent/character/LSTMCharModellingExample.java Пример] реализации рекуррентной нейронной сети, использующей механизм LSTM и натренированной на текстах Шекспира, с применением библиотеки <code>deeplearning4j</code>.
 
===Метод опорных векторов===
 
{{main|Метод опорных векторов (SVM)}}
 
Пример классификации с применением <code>smile.classification.SVM</code><ref>[https://haifengl.github.io/smile/api/java/smile/classification/SVM.html/ Smile, SVM]</ref>
 
  
   <dependency>
+
Загрузка датасета:
    <groupId>com.github.haifengl</groupId>
+
   '''from''' sklearn '''import''' fetch_20newsgroups
    <artifactId>smile-core</artifactId>
+
  twenty_train = fetch_20newsgroups(subset=<font color="red">'train'</font>, shuffle='''True''', random_state=<font color="blue">42</font>)
    <version>1.5.2</version>
 
  </dependency>
 
  
  '''import''' smile.classification.SVM;
+
Вывод первых трех строк первого тренивочного файла и его класса:
   '''import''' smile.data.NominalAttribute;
+
   print(<font color="red">"\n"</font>.join(twenty_train.data[<font color="blue">0</font>].split(<font color="red">"\n"</font>)[:<font color="blue">3</font>]))
  '''import''' smile.data.parser.DelimitedTextParser;
+
   print(twenty_train.target_names[twenty_train.target[<font color="blue">0</font>]])
  '''import''' smile.math.kernel.GaussianKernel;
 
   '''import''' java.util.Arrays;
 
  
   <font color="green">// read train & test dataset</font>
+
   > '''From: lerxst@wam.umd.edu (where's my thing)'''
   '''var''' parser = new DelimitedTextParser();
+
    '''Subject: WHAT car is this!?'''
   parser.setResponseIndex(new NominalAttribute("class"), 0);
+
    '''Nntp-Posting-Host: rac3.wam.umd.edu'''
   '''var''' train   = parser.parse("USPS Train", this.getClass().getResourceAsStream("/smile/data/usps/zip.train"));
+
 
   '''var''' test    = parser.parse("USPS Test", this.getClass().getResourceAsStream("/smile/data/usps/zip.test"));
+
    '''rec.autos'''
  '''var''' classes = Arrays.stream(test.labels()).max().orElse(0) + 1;
+
 
   <font color="green">// build SVM classifier</font>
+
Построение и обучение двух моделей. Первая на основе [[Байесовская классификация | Байесовской классификации]]<sup>[на 28.01.19 не создан]</sup>, а вторая использует метод опорных векторов:
  '''var''' svm    = new SVM<>(new GaussianKernel(8.0), 5.0, classes, SVM.Multiclass.ONE_VS_ONE);
+
   '''from''' sklearn.pipeline '''import''' Pipeline
   svm.learn(train.x(), train.labels());
+
   '''from''' sklearn.feature_extraction.text '''import''' CountVectorizer, TfidfTransformer
   svm.finish();
+
 
   <font color="green">// calculate test error rate</font>
+
   '''from''' sklearn.naive_bayes '''import''' MultinomialNB
   '''var''' error = 0;
+
   text_clf1 = Pipeline([
  for (int i = 0; i < test.x().length; i++) {
+
    (<font color="red">'vect'</font>, CountVectorizer()),
  if (svm.predict(test.x()[i]) != test.labels()[i]) {
+
    (<font color="red">'tfidf'</font>, TfidfTransformer()),
    error++;
+
    (<font color="red">'clf'</font>, MultinomialNB()),
    }
+
  ])
 +
    
 +
  '''from''' sklearn.linear_model '''import''' SGDClassifier
 +
  text_clf2 = Pipeline([
 +
    (<font color="red">'vect'</font>, CountVectorizer()),
 +
    (<font color="red">'tfidf'</font>, TfidfTransformer()),
 +
    (<font color="red">'clf'</font>, SGDClassifier(loss=<font color="red">'hinge'</font>, penalty=<font color="red">'l2'</font>,
 +
                          alpha=<font color="blue">1e-3</font>, random_state=<font color="blue">42</font>,
 +
                          max_iter=<font color="blue">5</font>, tol='''None''')),
 +
  ])
 +
 
 +
  text_clf1.fit(twenty_train.data, twenty_train.target)
 +
  text_clf2.fit(twenty_train.data, twenty_train.target)
 +
 
 +
Оценка алгоритмов:
 +
   twenty_test = fetch_20newsgroups(subset=<font color="red">'test'</font>, shuffle='''True''', random_state=<font color="blue">42</font>)
 +
  docs_test = twenty_test.data
 +
   predicted1 = text_clf1.predict(docs_test)
 +
  predicted2 = text_clf2.predict(docs_test)
 +
   print(<font color="red">"Score: %.3f"</font> % np.mean(predicted1 == twenty_test.target))
 +
   print(<font color="red">"Score: %.3f"</font> % np.mean(predicted2 == twenty_test.target))
 +
 
 +
   > '''Score for naive Bayes: 0.774'''
 +
    '''Score for SVM: 0.824'''
 +
 
 +
====Кросс-валилация и подбор параметров====
 +
{{Main|Кросс-валидация}}
 +
 
 +
Возьмем предыдущий пример с обработкой естественного языка и попробуем увеличить точность алгоритма за счет кросс-валидации и подбора параметров:
 +
  '''from''' sklearn.model_selection '''import''' GridSearchCV
 +
  parameters = {
 +
      <font color="red">'vect__ngram_range'</font>: [(<font color="blue">1</font>, <font color="blue">1</font>), (<font color="blue">1</font>, <font color="blue">2</font>)],
 +
      <font color="red">'tfidf__use_idf'</font>: ('''True''', '''False'''),
 +
      <font color="red">'clf__alpha'</font>: (<font color="blue">1e-2</font>, <font color="blue">1e-3</font>),
 
   }
 
   }
   System.out.format("USPS error rate = %.2f%%\n", 100.0 * error / test.x().length);
+
    
 +
  gs_clf = GridSearchCV(text_clf2, parameters, cv=<font color="blue">5</font>, iid='''False''', n_jobs=<font color="blue">-1</font>)
 +
  gs_clf = gs_clf.fit(twenty_train.data, twenty_train.target)
 +
 
 +
  print(<font color="red">"Best score: %.3f"</font> % gs_clf.best_score_)
 +
 
 +
  '''for''' param_name '''in''' sorted(parameters.keys()):
 +
    print(<font color="red">"%s: %r"</font> % (param_name, gs_clf.best_params_[param_name]))
 +
 
 +
  > '''Best score: 0.904'''
 +
    '''clf__alpha: 0.001'''
 +
    '''tfidf__use_idf: True'''
 +
    '''vect__ngram_range: (1, 2)'''
 +
 
 +
====Метод опорных векторов (SVM)====
 +
{{Main|Метод опорных векторов (SVM)|l1=Метод опорных векторов (SVM) <sup>[на 28.01.19 не создан]</sup>}}
  
===Деревья решений, случайный лес===
+
Загрузка датасета:
{{Main|Дерево решений и случайный лес#Пример на языке Java}}
+
  '''from''' sklearn '''import''' datasets
 +
  iris = datasets.load_iris()
  
===Бустинг, Ada-boost===
+
Разбиение датасета на тестовый и тренировочный:
{{main|Бустинг, AdaBoost#Пример на языке Java}}
+
  '''from''' sklearn.model_selection '''import''' train_test_split
 +
  x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=<font color="blue">0.25</font>, random_state=<font color="blue">0</font>)
  
===EM-алгоритм===
+
Построение и обучение модели:
{{Main|EM-алгоритм|ll=EM-алгоритм <sup>[на 08.04.19 не создан]</sup>}}
+
  clf = svm.SVC(kernel=<font color="red">'linear'</font>, C=<font color="blue">1.0</font>)
Пример кластеризации с применением <code>weka.clusterers.EM</code><ref>[http://weka.sourceforge.net/doc.dev/weka/clusterers/EM.html/ Weka, EM]</ref>
+
   clf.fit(x_train, y_train)
+
  predictions = clf.predict(x_test)
   <dependency>
 
    <groupId>nz.ac.waikato.cms.weka</groupId>
 
    <artifactId>weka-stable</artifactId>
 
    <version>3.8.0</version>
 
  </dependency>
 
  
  '''import''' weka.clusterers.ClusterEvaluation;
+
Оценка алгоритма:
   '''import''' weka.clusterers.EM;
+
   '''from''' sklearn.metrics '''import''' classification_report, confusion_matrix
  '''import''' weka.core.Instances;
+
   print(confusion_matrix(y_test,predictions))
   '''import''' java.io.BufferedReader;
+
   print(classification_report(y_test,predictions))
  '''import''' java.io.FileReader;
 
   '''import''' java.util.Random;
 
  
   <font color="green">//load data</font>
+
   > '''[[13  0  0]'''
  '''var''' data = new Instances(new BufferedReader(new FileReader("data/bank-data.arff")));
+
    '''[ 0 15  1]'''
   <font color="green">// new instance of clusterer</font>
+
    '''[ 0  0  9]]'''
  '''var''' model = new EM();
+
                  '''precision    recall  f1-score  support'''
  <font color="green">// build the clusterer</font>
+
    
  model.buildClusterer(data);
+
              '''0      1.00      1.00      1.00        13'''
   System.out.println(model);
+
              '''1      1.00      0.94      0.97        16'''
  '''var''' logLikelihood = ClusterEvaluation.crossValidateModel(model, data, 10, new Random(1));
+
              '''2      0.90      1.00      0.95        9'''
 +
    
 +
      '''micro avg      0.97      0.97      0.97        38'''
 +
      '''macro avg      0.97      0.98      0.97        38'''
 +
    '''weighted avg      0.98      0.97      0.97        38'''
  
===Уменьшение размерности===
+
====EM-алгоритм====
{{Main|Уменьшение размерности#Пример на языке Java}}
+
{{Main|EM-алгоритм|l1=EM-алгоритм<sup>[на 28.01.19 не создан]</sup>}}
  
===Байесовская классификация===
+
  '''import''' numpy '''as''' np
{{Main|Байесовская классификация#Пример на языке Java}}
+
  '''import''' matplotlib.pyplot '''as''' plt
 +
  '''from''' matplotlib.colors '''import''' LogNorm
 +
  '''from''' sklearn '''import''' mixture
 +
 
 +
  n_samples = <font color="blue">300</font>
 +
 
 +
  <font color="green"># generate random sample, two components</font>
 +
  np.random.seed(<font color="blue">0</font>)
 +
 
 +
  <font color="green"># generate spherical data centered on (20, 20)</font>
 +
  shifted_gaussian = np.random.randn(n_samples, <font color="blue">2</font>) + np.array([<font color="blue">20</font>, <font color="blue">20</font>])
 +
 
 +
  <font color="green"># generate zero centered stretched Gaussian data</font>
 +
  C = np.array([[<font color="blue">0.</font>, <font color="blue">-0.7</font>], [<font color="blue">3.5</font>, <font color="blue">.7</font>]])
 +
  stretched_gaussian = np.dot(np.random.randn(n_samples, <font color="blue">2</font>), C)
 +
 
 +
  <font color="green"># concatenate the two datasets into the final training set</font>
 +
  X_train = np.vstack([shifted_gaussian, stretched_gaussian])
 +
 
 +
  <font color="green"># fit a Gaussian Mixture Model with two components</font>
 +
  clf = mixture.GaussianMixture(n_components=<font color="blue">2</font>, covariance_type=<font color="red">'full'</font>)
 +
  clf.fit(X_train)
 +
 
 +
  <font color="green"># display predicted scores by the model as a contour plot</font>
 +
  x = np.linspace(<font color="blue">-20.</font>, <font color="blue">30.</font>)
 +
  y = np.linspace(<font color="blue">-20.</font>, <font color="blue">40.</font>)
 +
  X, Y = np.meshgrid(x, y)
 +
  XX = np.array([X.ravel(), Y.ravel()]).T
 +
  Z = -clf.score_samples(XX)
 +
  Z = Z.reshape(X.shape)
 +
 
 +
  CS = plt.contour(X, Y, Z, norm=LogNorm(vmin=<font color="blue">1.0</font>, vmax=<font color="blue">1000.0</font>),
 +
                  levels=np.logspace(<font color="blue">0</font>, <font color="blue">3</font>, <font color="blue">10</font>))
 +
  CB = plt.colorbar(CS, shrink=<font color="blue">0.8</font>, extend=<font color="red">'both'</font>)
 +
  plt.scatter(X_train[:, <font color="blue">0</font>], X_train[:, <font color="blue">1</font>], <font color="blue">.8</font>)
 +
 
 +
  plt.title(<font color="red">'Negative log-likelihood predicted by a GMM'</font>)
 +
  plt.axis(<font color="red">'tight'</font>)
 +
  plt.show()
  
===Метрический классификатор и метод ближайших соседей===
+
[[File:Em.png|400px|none|super]]
{{Main|Метрический классификатор и метод ближайших соседей#Пример на языке Java}}
+
 
 +
====Уменьшение размерности====
 +
{{Main|Уменьшение размерности#Пример кода scikit-learn|l1=Уменьшение размерности: пример через scikit-learn}}
 +
 
 +
==Tensorflow==
 +
===Описание===
 +
Tensorflow<ref>[https://www.tensorflow.org Библиотека Tensorflow]</ref> {{---}} библиотека, разработанная корпорацией Google для работы с тензорами, используется для построения нейронных сетей. Поддержка вычислений на видеокартах имеет поддержку языка программирования C++. На основе данной библиотеки строятся более высокоуровневые библиотеки для работы с нейронными сетями на уровне целых слоев. Так, некоторое время назад популярная библиотека Keras стала использовать Tensorflow как основной бэкенд для вычислений вместо аналогичной библиотеки Theano. Для работы на видеокартах NVIDIA используется библиотека cuDNN. Если вы работаете с картинками (со сверточными нейросетями), скорее всего, придется использовать данную библиотеку.
 +
===Примеры кода===
 +
====Сверточная нейронная сеть====
 +
{{Main|Сверточные нейронные сети}}
 +
 
 +
Реализация сверточной нейронной сети для классификации цифр из датасета MNIST:
 +
  '''from''' __future__ '''import''' division, print_function, absolute_import
 +
  '''import''' tensorflow '''as''' tf
 +
 
 +
  <font color="green"># Import MNIST data</font>
 +
  '''from''' tensorflow.examples.tutorials.mnist '''import''' input_data
 +
  mnist = input_data.read_data_sets(<font color="red">"/tmp/data/"</font>, one_hot='''True''')
 +
 
 +
  <font color="green"># Training Parameters</font>
 +
  learning_rate = <font color="blue">0.001</font>
 +
  num_steps = <font color="blue">200</font>
 +
  batch_size = <font color="blue">128</font>
 +
  display_step = <font color="blue">10</font>
 +
 
 +
  <font color="green"># Network Parameters</font>
 +
  num_input = <font color="blue">784</font> <font color="green"># MNIST data input (img shape: 28*28)</font>
 +
  num_classes = <font color="blue">10</font> <font color="green"># MNIST total classes (0-9 digits)</font>
 +
  dropout = <font color="blue">0.75</font> <font color="green"># Dropout, probability to keep units</font>
 +
 
 +
  <font color="green"># tf Graph input</font>
 +
  X = tf.placeholder(tf.float32, ['''None''', num_input])
 +
  Y = tf.placeholder(tf.float32, ['''None''', num_classes])
 +
  keep_prob = tf.placeholder(tf.float32) <font color="green"># dropout (keep probability)</font>
 +
 
 +
  <font color="green"># Create some wrappers for simplicity</font>
 +
  '''def''' conv2d(x, W, b, strides=<font color="blue">1</font>):
 +
    <font color="green"># Conv2D wrapper, with bias and relu activation</font>
 +
    x = tf.nn.conv2d(x, W, strides=[<font color="blue">1</font>, strides, strides, <font color="blue">1</font>], padding=<font color="red">'SAME'</font>)
 +
    x = tf.nn.bias_add(x, b)
 +
    '''return''' tf.nn.relu(x)
 +
 
 +
  '''def''' maxpool2d(x, k=<font color="blue">2</font>):
 +
    <font color="green"># MaxPool2D wrapper</font>
 +
    '''return''' tf.nn.max_pool(x, ksize=[<font color="blue">1</font>, k, k, <font color="blue">1</font>], strides=[<font color="blue">1</font>, k, k, <font color="blue">1</font>],
 +
                          padding=<font color="red">'SAME'</font>)
 +
 
 +
  <font color="green"># Create model</font>
 +
  '''def''' conv_net(x, weights, biases, dropout):
 +
    <font color="green"># MNIST data input is a 1-D vector of 784 features (28*28 pixels)
 +
    # Reshape to match picture format [Height x Width x Channel]
 +
    # Tensor input become 4-D: [Batch Size, Height, Width, Channel]</font>
 +
    x = tf.reshape(x, shape=[<font color="blue">-1</font>, <font color="blue">28</font>, <font color="blue">28</font>, <font color="blue">1</font>])
 +
    <font color="green"># Convolution Layer</font>
 +
    conv1 = conv2d(x, weights[<font color="red">'wc1'</font>], biases[<font color="red">'bc1'</font>])
 +
    <font color="green"># Max Pooling (down-sampling)</font>
 +
    conv1 = maxpool2d(conv1, k=<font color="blue">2</font>)
 +
    <font color="green"># Convolution Layer</font>
 +
    conv2 = conv2d(conv1, weights[<font color="red">'wc2'</font>], biases[<font color="red">'bc2'</font>])
 +
    <font color="green"># Max Pooling (down-sampling)</font>
 +
    conv2 = maxpool2d(conv2, k=<font color="blue">2</font>)
 +
    <font color="green"># Fully connected layer
 +
    # Reshape conv2 output to fit fully connected layer input</font>
 +
    fc1 = tf.reshape(conv2, [<font color="blue">-1</font>, weights[<font color="red">'wd1'</font>].get_shape().as_list()[<font color="blue">0</font>]])
 +
    fc1 = tf.add(tf.matmul(fc1, weights[<font color="red">'wd1'</font>]), biases[<font color="red">'bd1'</font>])
 +
    fc1 = tf.nn.relu(fc1)
 +
    <font color="green"># Apply Dropout</font>
 +
    fc1 = tf.nn.dropout(fc1, dropout)
 +
    <font color="green"># Output, class prediction</font>
 +
    out = tf.add(tf.matmul(fc1, weights[<font color="red">'out'</font>]), biases[<font color="red">'out'</font>])
 +
    '''return''' out
 +
 
 +
  <font color="green"># Store layers weight & bias</font>
 +
  weights = {
 +
    <font color="green"># 5x5 conv, 1 input, 32 outputs</font>
 +
    <font color="red">'wc1'</font>: tf.Variable(tf.random_normal([<font color="blue">5</font>, <font color="blue">5</font>, <font color="blue">1</font>, <font color="blue">32</font>])),
 +
    <font color="green"># 5x5 conv, 32 inputs, 64 outputs</font>
 +
    <font color="red">'wc2'</font>: tf.Variable(tf.random_normal([<font color="blue">5</font>, <font color="blue">5</font>, <font color="blue">32</font>, <font color="blue">64</font>])),
 +
    <font color="green"># fully connected, 7*7*64 inputs, 1024 outputs</font>
 +
    <font color="red">'wd1'</font>: tf.Variable(tf.random_normal([<font color="blue">7</font>*<font color="blue">7</font>*<font color="blue">64</font>, <font color="blue">1024</font>])),
 +
    <font color="green"># 1024 inputs, 10 outputs (class prediction)</font>
 +
    <font color="red">'out'</font>: tf.Variable(tf.random_normal([<font color="blue">1024</font>, num_classes]))
 +
  }
 +
 
 +
  biases = {
 +
    <font color="red">'bc1'</font>: tf.Variable(tf.random_normal([<font color="blue">32</font>])),
 +
    <font color="red">'bc2'</font>: tf.Variable(tf.random_normal([<font color="blue">64</font>])),
 +
    <font color="red">'bd1'</font>: tf.Variable(tf.random_normal([<font color="blue">1024</font>])),
 +
    <font color="red">'out'</font>: tf.Variable(tf.random_normal([num_classes]))
 +
  }
 +
 
 +
  <font color="green"># Construct model</font>
 +
  logits = conv_net(X, weights, biases, keep_prob)
 +
  prediction = tf.nn.softmax(logits)
 +
 
 +
  <font color="green"># Define loss and optimizer</font>
 +
  loss_op = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(
 +
    logits=logits, labels=Y))
 +
  optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate)
 +
  train_op = optimizer.minimize(loss_op)
 +
 
 +
  <font color="green"># Evaluate model</font>
 +
  correct_pred = tf.equal(tf.argmax(prediction, <font color="blue">1</font>), tf.argmax(Y, <font color="blue">1</font>))
 +
  accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))
 +
 
 +
  <font color="green"># Initialize the variables (i.e. assign their default value)</font>
 +
  init = tf.global_variables_initializer()
 +
 
 +
  <font color="green"># Start training</font>
 +
  '''with''' tf.Session() '''as''' sess:
 +
    <font color="green"># Run the initializer</font>
 +
    sess.run(init)
 +
    '''for''' step '''in''' '''range'''(<font color="blue">1</font>, num_steps+<font color="blue">1</font>):
 +
      batch_x, batch_y = mnist.train.next_batch(batch_size)
 +
      <font color="green"># Run optimization op (backprop)</font>
 +
      sess.run(train_op, feed_dict={X: batch_x, Y: batch_y, keep_prob: <font color="blue">0.8</font>})
 +
      '''if''' step % display_step == <font color="blue">0</font> '''or''' step == <font color="blue">1</font>:
 +
        <font color="green"># Calculate batch loss and accuracy</font>
 +
        loss, acc = sess.run([loss_op, accuracy], feed_dict={X: batch_x,
 +
                                                            Y: batch_y,
 +
                                                            keep_prob: <font color="blue">1.0</font>})
 +
        print(<font color="red">"Step "</font> + str(step) + <font color="red">", Minibatch Loss= "</font> + \
 +
              <font color="red">"{:.4f}"</font>.format(loss) + <font color="red">", Training Accuracy= "</font> + \
 +
              <font color="red">"{:.3f}"</font>.format(acc))
 +
    print(<font color="red">"Optimization Finished!"</font>)
 +
    <font color="green"># Calculate accuracy for 256 MNIST test images</font>
 +
    print(<font color="red">"Testing Accuracy:"</font>, \
 +
      sess.run(accuracy, feed_dict={X: mnist.test.images[:<font color="blue">256</font>],
 +
                                    Y: mnist.test.labels[:<font color="blue">256</font>],
 +
                                    keep_prob: <font color="blue">1.0</font>}))
 +
 
 +
  > '''Step 1, Minibatch Loss= 41724.0586, Training Accuracy= 0.156'''
 +
    '''Step 10, Minibatch Loss= 17748.7500, Training Accuracy= 0.242'''
 +
    '''Step 20, Minibatch Loss= 8307.6162, Training Accuracy= 0.578'''
 +
    '''Step 30, Minibatch Loss= 3108.5703, Training Accuracy= 0.766'''
 +
    '''Step 40, Minibatch Loss= 3273.2749, Training Accuracy= 0.727'''
 +
    '''Step 50, Minibatch Loss= 2754.2861, Training Accuracy= 0.820'''
 +
    '''Step 60, Minibatch Loss= 2467.7925, Training Accuracy= 0.844'''
 +
    '''Step 70, Minibatch Loss= 1423.8140, Training Accuracy= 0.914'''
 +
    '''Step 80, Minibatch Loss= 1651.4656, Training Accuracy= 0.875'''
 +
    '''Step 90, Minibatch Loss= 2105.9263, Training Accuracy= 0.867'''
 +
    '''Step 100, Minibatch Loss= 1153.5090, Training Accuracy= 0.867'''
 +
    '''Step 110, Minibatch Loss= 1751.1400, Training Accuracy= 0.898'''
 +
    '''Step 120, Minibatch Loss= 1446.2119, Training Accuracy= 0.922'''
 +
    '''Step 130, Minibatch Loss= 1403.7135, Training Accuracy= 0.859'''
 +
    '''Step 140, Minibatch Loss= 1089.7897, Training Accuracy= 0.930'''
 +
    '''Step 150, Minibatch Loss= 1147.0751, Training Accuracy= 0.898'''
 +
    '''Step 160, Minibatch Loss= 1963.3733, Training Accuracy= 0.883'''
 +
    '''Step 170, Minibatch Loss= 1544.2725, Training Accuracy= 0.859'''
 +
    '''Step 180, Minibatch Loss= 977.9219, Training Accuracy= 0.914'''
 +
    '''Step 190, Minibatch Loss= 857.7977, Training Accuracy= 0.930'''
 +
    '''Step 200, Minibatch Loss= 430.4735, Training Accuracy= 0.953'''
 +
    '''Optimization Finished!'''
 +
    '''Testing Accuracy: 0.94140625'''
 +
 
 +
==Keras==
 +
===Описание===
 +
Keras<ref>[https://keras.io Библиотека Keras]</ref> {{---}} библиотека для построения нейронных сетей, поддерживающая основные виды слоев и структурные элементы. Поддерживает как рекуррентные, так и сверточные нейросети, имеет в своем составе реализацию известных архитектур нейросетей (например, VGG16). Некоторое время назад слои из данной библиотеки стали доступны внутри библиотеки Tensorflow. Существуют готовые функции для работы с изображениями и текстом. Интегрирована в Apache Spark с помощью дистрибутива dist-keras. Данная библиотека позволяет на более высоком уровне работать с нейронными сетями. В качестве библиотеки для бэкенда может использоваться как Tensorflow, так и Theano.
 +
===Примеры кода===
 +
====Сверточная нейронная сеть====
 +
{{Main|Сверточные нейронные сети}}
 +
 
 +
Реализация сверточной нейронной сети для классификации текста:
 +
  '''from''' __future__ '''import''' print_function
 +
  '''from''' keras.preprocessing '''import''' sequence
 +
  '''from''' keras.models '''import''' Sequential
 +
  '''from''' keras.layers '''import''' Dense, Dropout, Activation
 +
  '''from''' keras.layers '''import''' Embedding
 +
  '''from''' keras.layers '''import''' Conv1D, GlobalMaxPooling1D
 +
  '''from''' keras.datasets '''import''' imdb
 +
 
 +
  <font color="green"># set parameters:</font>
 +
  max_features = <font color="blue">5000</font>
 +
  maxlen = <font color="blue">400</font>
 +
  batch_size = <font color="blue">32</font>
 +
  embedding_dims = <font color="blue">50</font>
 +
  filters = <font color="blue">250</font>
 +
  kernel_size = <font color="blue">3</font>
 +
  hidden_dims = <font color="blue">250</font>
 +
  epochs = <font color="blue">2</font>
 +
 
 +
  (x_train, y_train), (x_test, y_test) = imdb.load_data(num_words=max_features)
 +
  print(len(x_train), <font color="red">'train sequences'</font>)
 +
  print(len(x_test), <font color="red">'test sequences'</font>)
 +
 
 +
  > '''25000 train sequences'''
 +
    '''25000 test sequences'''
 +
 
 +
  print(<font color="red">'Pad sequences (samples x time)'</font>)
 +
  x_train = sequence.pad_sequences(x_train, maxlen=maxlen)
 +
  x_test = sequence.pad_sequences(x_test, maxlen=maxlen)
 +
  print(<font color="red">'x_train shape:'</font>, x_train.shape)
 +
  print(<font color="red">'x_test shape:'</font>, x_test.shape)
 +
 
 +
  > '''Pad sequences (samples x time)'''
 +
    '''x_train shape: (25000, 400)'''
 +
    '''x_test shape: (25000, 400)'''
 +
 
 +
  model = Sequential()
 +
 
 +
  model.add(Embedding(max_features,
 +
                      embedding_dims,
 +
                      input_length=maxlen))
 +
  model.add(Dropout(<font color="blue">0.2</font>)) 
 +
  model.add(Conv1D(filters,
 +
                  kernel_size,
 +
                  padding=<font color="red">'valid'</font>,
 +
                  activation=<font color="red">'relu'</font>,
 +
                  strides=<font color="blue">1</font>))
 +
  model.add(GlobalMaxPooling1D())
 +
  model.add(Dense(hidden_dims))
 +
  model.add(Dropout(<font color="blue">0.2</font>))
 +
  model.add(Activation(<font color="red">'relu'</font>))
 +
  model.add(Dense(<font color="blue">1</font>))
 +
  model.add(Activation(<font color="red">'sigmoid'</font>))
 +
 
 +
  model.compile(loss=<font color="red">'binary_crossentropy'</font>,
 +
                optimizer=<font color="red">'adam'</font>,
 +
                metrics=[<font color="red">'accuracy'</font>])
 +
  model.fit(x_train, y_train,
 +
            batch_size=batch_size,
 +
            epochs=epochs,
 +
            validation_data=(x_test, y_test))
 +
 
 +
  > '''Train on 25000 samples, validate on 25000 samples'''
 +
    '''Epoch 1/2'''
 +
    '''25000/25000 [==============================] - 136s 5ms/step - loss: 0.4107 - acc: 0.7923 - val_loss: 0.2926 - val_acc: 0.8746'''
 +
    '''Epoch 2/2'''
 +
    '''25000/25000 [==============================] - 136s 5ms/step - loss: 0.2294 - acc: 0.9082 - val_loss: 0.3200 - val_acc: 0.8652'''
 +
 
 +
==Другие библиотеки для машинного обучения на Python==
 +
===Вспомогательные библиотеки===
 +
* NumPy<ref>[http://www.numpy.org Библиотека NumPy]</ref> {{---}} библиотека, добавляющая поддержку больших многомерных массивов и матриц вместе с большой библиотекой  высокоуровневых математических функций для операций с этими массивами. Данная библиотека предоставляет реализации вычислительных алгоритмов (в виде функций и операторов), оптимизированные для работы с многомерными массивами. В результате любой алгоритм, который может быть выражен в виде последовательности операций над массивами (матрицами) и реализованный с использованием NumPy, работает так же быстро, как эквивалентный код, выполняемый в MATLAB<ref>[https://www.mathworks.com/products/matlab.html MATLAB]</ref>;
 +
* SciPy<ref>[https://www.scipy.org Библиотека SciPy]</ref> {{---}} открытая библиотека высококачественных научных инструментов для языка программирования Python. SciPy содержит модули для оптимизации, интегрирования, специальных функций, обработки сигналов, обработки изображений, генетических алгоритмов, решения обыкновенных дифференциальных уравнений и других задач, обычно решаемых в науке и при инженерной разработке;
 +
* Pandas<ref>[https://pandas.pydata.org Библиотека Pandas]</ref> {{---}} библиотека Python, которая является мощным инструментом для анализа данных. Пакет дает возможность строить сводные таблицы, выполнять группировки, предоставляет удобный доступ к табличным данным и позволяет строить графики на полученных наборах данных при помощи библиотеки Matplotlib;
 +
* Matplotlib<ref>[https://matplotlib.org Библиотека Matplotlib]</ref> {{---}} библиотека Python для построения качественных двумерных графиков. Matplotlib является гибким, легко конфигурируемым пакетом, который вместе с NumPy, SciPy и IPython<ref>[https://ipython.org IPython Notebook]</ref> предоставляет возможности, подобные MATLAB.
 +
 
 +
===Библиотеки для глубокого обучения===
 +
* PyTorch<ref>[https://pytorch.org Библиотека PyTorch]</ref> {{---}} библиотека для глубокого обучения, созданная на базе Torch<ref>[https://en.wikipedia.org/wiki/Torch_(machine_learning) Torch]</ref> и развиваемая компанией Facebook. Две ключевые функциональности данной библиотеки {{---}} тензорные вычисления с развитой поддержкой ускорения на GPU и глубокие нейронные сети на базе системы autodiff;
 +
* Theano<ref>[http://deeplearning.net/software/theano/ Библиотека Theano]</ref> {{---}} расширение языка программирования Python, позволяющее эффективно вычислять математические выражения, содержащие многомерные массивы. Библиотека предоставляет базовый набор инструментов для конфигурации нейронных сетей и их обучения. Наибольшее признание данная библиотека получила в задачах машинного обучения при решении задач оптимизации. Она позволяет использовать возможности GPU без изменения кода программы, что делает ее незаменимой при выполнении ресурсоемких задач;
 +
* Caffe<ref>[http://caffe.berkeleyvision.org Библиотека Caffe]</ref> {{---}} фреймворк для обучения нейронных сетей, созданный университетом Беркли. Как и Tensorflow, использует cuDNN для работы с видеокартами NVIDIA;
 +
* Microsoft Cognitive Toolkit (CNTK)<ref>[https://www.microsoft.com/en-us/cognitive-toolkit/ Библиотека CNTK]</ref> {{---}} фреймворк от корпорации Microsoft, предоставляющий реализации архитектур различных нейронных сетей.
 +
 
 +
===Библиотеки для обработки естественного языка===
 +
* NLTK<ref>[https://www.nltk.org Библиотека NLTK]</ref> {{---}} пакет библиотек и программ для символьной и статистической обработки естественного языка, написанных на языке программирования Python;
 +
* Gensim<ref>[https://radimrehurek.com/gensim/ Библиотека Gensim]</ref> {{---}} инструмент для автоматической обработки языка, основанный на машинном обучении. В Gensim реализованы алгоритмы дистрибутивной семантики word2vec и doc2vec, он позволяет решать задачи тематического моделирования и выделять основные темы текста или документа.
 +
 
 +
===Библиотеки для градиентного бустинга===
 +
* [[XGBoost|Xgboost]]<sup>[на 28.01.19 не создан]</sup><ref>[https://xgboost.readthedocs.io/en/latest/python/index.html Библиотека Xgboost]</ref> {{---}} библиотека с реализацией градиентного бустинга, которая для выбора разбиения использует сортировку и модели, основанные на анализе гистограмм;
 +
* LightGBM<ref>[http://www.dmtk.io Библиотека LightGBM]</ref> {{---}} фреймворк с реализацией градиентного бустинга от корпорации Microsoft. Является частью проекта Microsoft DMTK, посвященного реализации подходов машинного обучения для .Net;
 +
* [[CatBoost|CatBoost]]<ref>[https://catboost.ai Библиотека CatBoost]</ref> {{---}} библиотека с градиентным бустингом от компании Яндекс, в которой реализуется особый подход к обработке категориальных признаков, основанный на подмене категориальных признаков статистиками на основе предсказываемого значения.
  
 
==См. также==
 
==См. также==
 
*[[:Примеры кода на Scala|Примеры кода на Scala]]
 
*[[:Примеры кода на Scala|Примеры кода на Scala]]
*[[:Примеры кода на R|Примеры кода на R]]<sup>[на 08.04.19 не создан]</sup>
+
*[[:Примеры кода на R|Примеры кода на R]]<sup>[на 28.01.19 не создан]</sup>
*[[:Обзор библиотек для машинного обучения на Python|Обзор библиотек для машинного обучения на Python]]
+
*[[:Примеры кода на Java|Примеры кода на Java]]
  
== Примечания ==
+
==Примечания==
 
<references/>
 
<references/>
 +
 
[[Категория: Машинное обучение]] [[Категория: Примеры кода]]
 
[[Категория: Машинное обучение]] [[Категория: Примеры кода]]

Версия 03:32, 9 апреля 2019

Scikit-learn

Описание

Scikit-learn[1] — библиотека машинного обучения на языке программирования Python с открытым исходным кодом. Содержит реализации практически всех возможных преобразований, и нередко ее одной хватает для полной реализации модели. В данной библиотеки реализованы методы разбиения датасета на тестовый и обучающий, вычисление основных метрик над наборами данных, проведение Кросс-валидация[на 28.01.19 не создан]. В библиотеке также есть основные алгоритмы машинного обучения: линейной регрессии[на 28.01.19 не создан] и её модификаций Лассо, гребневой регрессии, опорных векторов[на 28.01.19 не создан], решающих деревьев и лесов и др. Есть и реализации основных методов кластеризации. Кроме того, библиотека содержит постоянно используемые исследователями методы работы с признаками: например, понижение размерности методом главных компонент[на 28.01.19 не создан]. Частью пакета является библиотека imblearn[2], позволяющая работать с разбалансированными выборками и генерировать новые значения.

Примеры кода

Линейная регрессия

 # Add required imports
 import matplotlib.pyplot as plt
 import numpy as np
 from sklearn import datasets
 from sklearn.linear_model import LinearRegression
 from sklearn.metrics import mean_squared_error, r2_score

Загрузка датасета:

 diabetes = datasets.load_diabetes()
 # Use only one feature
 diabetes_X = diabetes.data[:, np.newaxis, 2]

Разбиение датасета на тренировочный и тестовый:

 # Split the data into training/testing sets
 x_train = diabetes_X[:-20]
 x_test = diabetes_X[-20:]
 
 # Split the targets into training/testing sets
 y_train = diabetes.target[:-20]
 y_test = diabetes.target[-20:]

Построение и обучение модели:

 lr = LinearRegression()
 lr.fit(x_train, y_train)
 predictions = lr.predict(x_test)

Оценка алгоритма:

 # The mean squared error
 print("Mean squared error: %.2f"
       % mean_squared_error(y_test, predictions))
 # Explained variance score: 1 is perfect prediction
 print('Variance score: %.2f' % r2_score(y_test, predictions))
 > Mean squared error: 2548.07
   Variance score: 0.47

Построение графика прямой, получившейся в результате работы линейной регрессии:

 plt.scatter(x_test, y_test,  color='black')
 plt.plot(x_test, predictions, color='blue', linewidth=3)
 plt.xticks(())
 plt.yticks(())
 plt.show()
Diabetes-sklearn.png

Логистическая регрессия

Основная статья: Логистическая регрессия

Загрузка датасета:

 from sklearn.datasets import load_digits
 digits = load_digits()

Вывод первых трех тренировочных данных для визуализации:

 import numpy as np
 import matplotlib.pyplot as plt
 
 plt.figure(figsize=(20,4))
 for index, (image, label) in enumerate(zip(digits.data[0:3], digits.target[0:3])):
   plt.subplot(1, 3, index + 1)
   plt.imshow(np.reshape(image, (8,8)), cmap=plt.cm.gray)
   plt.title('Training: %i\n' % label, fontsize = 20)
Digits-sklearn.png

Разбиение датасета на тренировочный и тестовый:

 from sklearn.model_selection import train_test_split
 x_train, x_test, y_train, y_test = train_test_split(digits.data, digits.target, test_size=0.25, random_state=0)

Построение и обучение модели:

 from sklearn.linear_model import LogisticRegression
 lr = LogisticRegression()
 lr.fit(x_train, y_train)
 predictions = lr.predict(x_test)

Оценка алгоритма:

 score = lr.score(x_test, y_test)
 print("Score: %.3f" % score)
 > Score: 0.953

Перцептрон

Загрузка датасета:

 from sklearn import datasets
 iris = datasets.load_iris()
 X = iris.data
 y = iris.target

Разбиение датасета на тренировочный и тестовый:

 from sklearn.model_selection import train_test_split
 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.20)

Трансформация признаков:

 from sklearn.preprocessing import StandardScaler
 scaler = StandardScaler()
 scaler.fit(X_train)
 X_train = scaler.transform(X_train)
 X_test = scaler.transform(X_test)

Построение и обучение модели:

 from sklearn.neural_network import MLPClassifier
 mlp = MLPClassifier(hidden_layer_sizes=(10, 10, 10), max_iter=1000)
 mlp.fit(X_train, y_train.values.ravel())
 predictions = mlp.predict(X_test)

Оценка алгоритма:

 from sklearn.metrics import classification_report, confusion_matrix
 print(confusion_matrix(y_test,predictions))
 print(classification_report(y_test,predictions))
 > [[ 7  0  0]
    [ 0  8  1]
    [ 0  2 12]]
                 precision    recall  f1-score   support
 
              0       1.00      1.00      1.00         7
              1       0.80      0.89      0.84         9
              2       0.92      0.86      0.89        14
 
      micro avg       0.90      0.90      0.90        30
      macro avg       0.91      0.92      0.91        30
   weighted avg       0.90      0.90      0.90        30

Метрический классификатор и метод ближайших соседей

Дерево решений и случайный лес

Обработка естественного языка

Загрузка датасета:

 from sklearn import fetch_20newsgroups
 twenty_train = fetch_20newsgroups(subset='train', shuffle=True, random_state=42)

Вывод первых трех строк первого тренивочного файла и его класса:

 print("\n".join(twenty_train.data[0].split("\n")[:3]))
 print(twenty_train.target_names[twenty_train.target[0]])
 > From: lerxst@wam.umd.edu (where's my thing)
   Subject: WHAT car is this!?
   Nntp-Posting-Host: rac3.wam.umd.edu
 
   rec.autos

Построение и обучение двух моделей. Первая на основе Байесовской классификации[на 28.01.19 не создан], а вторая использует метод опорных векторов:

 from sklearn.pipeline import Pipeline
 from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer
 
 from sklearn.naive_bayes import MultinomialNB
 text_clf1 = Pipeline([
   ('vect', CountVectorizer()),
   ('tfidf', TfidfTransformer()),
   ('clf', MultinomialNB()),
 ])
 
 from sklearn.linear_model import SGDClassifier
 text_clf2 = Pipeline([
   ('vect', CountVectorizer()),
   ('tfidf', TfidfTransformer()),
   ('clf', SGDClassifier(loss='hinge', penalty='l2',
                         alpha=1e-3, random_state=42,
                         max_iter=5, tol=None)),
 ])
 
 text_clf1.fit(twenty_train.data, twenty_train.target)
 text_clf2.fit(twenty_train.data, twenty_train.target)

Оценка алгоритмов:

 twenty_test = fetch_20newsgroups(subset='test', shuffle=True, random_state=42)
 docs_test = twenty_test.data
 predicted1 = text_clf1.predict(docs_test)
 predicted2 = text_clf2.predict(docs_test)
 print("Score: %.3f" % np.mean(predicted1 == twenty_test.target))
 print("Score: %.3f" % np.mean(predicted2 == twenty_test.target))
 > Score for naive Bayes: 0.774
   Score for SVM: 0.824

Кросс-валилация и подбор параметров

Основная статья: Кросс-валидация

Возьмем предыдущий пример с обработкой естественного языка и попробуем увеличить точность алгоритма за счет кросс-валидации и подбора параметров:

 from sklearn.model_selection import GridSearchCV
 parameters = {
     'vect__ngram_range': [(1, 1), (1, 2)],
     'tfidf__use_idf': (True, False),
     'clf__alpha': (1e-2, 1e-3),
 }
 
 gs_clf = GridSearchCV(text_clf2, parameters, cv=5, iid=False, n_jobs=-1)
 gs_clf = gs_clf.fit(twenty_train.data, twenty_train.target)
 
 print("Best score: %.3f" % gs_clf.best_score_)
 
 for param_name in sorted(parameters.keys()):
   print("%s: %r" % (param_name, gs_clf.best_params_[param_name]))
 > Best score: 0.904
   clf__alpha: 0.001
   tfidf__use_idf: True
   vect__ngram_range: (1, 2)

Метод опорных векторов (SVM)

Загрузка датасета:

 from sklearn import datasets
 iris = datasets.load_iris()

Разбиение датасета на тестовый и тренировочный:

 from sklearn.model_selection import train_test_split
 x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.25, random_state=0)

Построение и обучение модели:

 clf = svm.SVC(kernel='linear', C=1.0)
 clf.fit(x_train, y_train)
 predictions = clf.predict(x_test)

Оценка алгоритма:

 from sklearn.metrics import classification_report, confusion_matrix
 print(confusion_matrix(y_test,predictions))
 print(classification_report(y_test,predictions))
 > [[13  0  0]
    [ 0 15  1]
    [ 0  0  9]]
                 precision    recall  f1-score   support
 
              0       1.00      1.00      1.00        13
              1       1.00      0.94      0.97        16
              2       0.90      1.00      0.95         9
 
      micro avg       0.97      0.97      0.97        38
      macro avg       0.97      0.98      0.97        38
   weighted avg       0.98      0.97      0.97        38

EM-алгоритм

 import numpy as np
 import matplotlib.pyplot as plt
 from matplotlib.colors import LogNorm
 from sklearn import mixture
 
 n_samples = 300
 
 # generate random sample, two components
 np.random.seed(0)
 
 # generate spherical data centered on (20, 20)
 shifted_gaussian = np.random.randn(n_samples, 2) + np.array([20, 20])
 
 # generate zero centered stretched Gaussian data
 C = np.array([[0., -0.7], [3.5, .7]])
 stretched_gaussian = np.dot(np.random.randn(n_samples, 2), C)
 
 # concatenate the two datasets into the final training set
 X_train = np.vstack([shifted_gaussian, stretched_gaussian])
 
 # fit a Gaussian Mixture Model with two components
 clf = mixture.GaussianMixture(n_components=2, covariance_type='full')
 clf.fit(X_train)
 
 # display predicted scores by the model as a contour plot
 x = np.linspace(-20., 30.)
 y = np.linspace(-20., 40.)
 X, Y = np.meshgrid(x, y)
 XX = np.array([X.ravel(), Y.ravel()]).T
 Z = -clf.score_samples(XX)
 Z = Z.reshape(X.shape)
 
 CS = plt.contour(X, Y, Z, norm=LogNorm(vmin=1.0, vmax=1000.0),
                  levels=np.logspace(0, 3, 10))
 CB = plt.colorbar(CS, shrink=0.8, extend='both')
 plt.scatter(X_train[:, 0], X_train[:, 1], .8)
 
 plt.title('Negative log-likelihood predicted by a GMM')
 plt.axis('tight')
 plt.show()
Em.png

Уменьшение размерности

Tensorflow

Описание

Tensorflow[3] — библиотека, разработанная корпорацией Google для работы с тензорами, используется для построения нейронных сетей. Поддержка вычислений на видеокартах имеет поддержку языка программирования C++. На основе данной библиотеки строятся более высокоуровневые библиотеки для работы с нейронными сетями на уровне целых слоев. Так, некоторое время назад популярная библиотека Keras стала использовать Tensorflow как основной бэкенд для вычислений вместо аналогичной библиотеки Theano. Для работы на видеокартах NVIDIA используется библиотека cuDNN. Если вы работаете с картинками (со сверточными нейросетями), скорее всего, придется использовать данную библиотеку.

Примеры кода

Сверточная нейронная сеть

Реализация сверточной нейронной сети для классификации цифр из датасета MNIST:

 from __future__ import division, print_function, absolute_import
 import tensorflow as tf
 
 # Import MNIST data
 from tensorflow.examples.tutorials.mnist import input_data
 mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)
 
 # Training Parameters
 learning_rate = 0.001
 num_steps = 200
 batch_size = 128
 display_step = 10
 
 # Network Parameters
 num_input = 784 # MNIST data input (img shape: 28*28)
 num_classes = 10 # MNIST total classes (0-9 digits)
 dropout = 0.75 # Dropout, probability to keep units
 
 # tf Graph input
 X = tf.placeholder(tf.float32, [None, num_input])
 Y = tf.placeholder(tf.float32, [None, num_classes])
 keep_prob = tf.placeholder(tf.float32) # dropout (keep probability)
 
 # Create some wrappers for simplicity
 def conv2d(x, W, b, strides=1):
   # Conv2D wrapper, with bias and relu activation
   x = tf.nn.conv2d(x, W, strides=[1, strides, strides, 1], padding='SAME')
   x = tf.nn.bias_add(x, b)
   return tf.nn.relu(x)
 
 def maxpool2d(x, k=2):
   # MaxPool2D wrapper
   return tf.nn.max_pool(x, ksize=[1, k, k, 1], strides=[1, k, k, 1],
                         padding='SAME')
 
 # Create model
 def conv_net(x, weights, biases, dropout):
   # MNIST data input is a 1-D vector of 784 features (28*28 pixels)
   # Reshape to match picture format [Height x Width x Channel]
   # Tensor input become 4-D: [Batch Size, Height, Width, Channel]
   x = tf.reshape(x, shape=[-1, 28, 28, 1])
   # Convolution Layer
   conv1 = conv2d(x, weights['wc1'], biases['bc1'])
   # Max Pooling (down-sampling)
   conv1 = maxpool2d(conv1, k=2)
   # Convolution Layer
   conv2 = conv2d(conv1, weights['wc2'], biases['bc2'])
   # Max Pooling (down-sampling)
   conv2 = maxpool2d(conv2, k=2)
   # Fully connected layer
   # Reshape conv2 output to fit fully connected layer input
   fc1 = tf.reshape(conv2, [-1, weights['wd1'].get_shape().as_list()[0]])
   fc1 = tf.add(tf.matmul(fc1, weights['wd1']), biases['bd1'])
   fc1 = tf.nn.relu(fc1)
   # Apply Dropout
   fc1 = tf.nn.dropout(fc1, dropout)
   # Output, class prediction
   out = tf.add(tf.matmul(fc1, weights['out']), biases['out'])
   return out
 
 # Store layers weight & bias
 weights = {
   # 5x5 conv, 1 input, 32 outputs
   'wc1': tf.Variable(tf.random_normal([5, 5, 1, 32])),
   # 5x5 conv, 32 inputs, 64 outputs
   'wc2': tf.Variable(tf.random_normal([5, 5, 32, 64])),
   # fully connected, 7*7*64 inputs, 1024 outputs
   'wd1': tf.Variable(tf.random_normal([7*7*64, 1024])),
   # 1024 inputs, 10 outputs (class prediction)
   'out': tf.Variable(tf.random_normal([1024, num_classes]))
 }
 
 biases = {
   'bc1': tf.Variable(tf.random_normal([32])),
   'bc2': tf.Variable(tf.random_normal([64])),
   'bd1': tf.Variable(tf.random_normal([1024])),
   'out': tf.Variable(tf.random_normal([num_classes]))
 }
 
 # Construct model
 logits = conv_net(X, weights, biases, keep_prob)
 prediction = tf.nn.softmax(logits)
 
 # Define loss and optimizer
 loss_op = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(
   logits=logits, labels=Y))
 optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate)
 train_op = optimizer.minimize(loss_op)
 
 # Evaluate model
 correct_pred = tf.equal(tf.argmax(prediction, 1), tf.argmax(Y, 1))
 accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))
 
 # Initialize the variables (i.e. assign their default value)
 init = tf.global_variables_initializer()
 
 # Start training
 with tf.Session() as sess:
   # Run the initializer
   sess.run(init)
   for step in range(1, num_steps+1):
     batch_x, batch_y = mnist.train.next_batch(batch_size)
     # Run optimization op (backprop)
     sess.run(train_op, feed_dict={X: batch_x, Y: batch_y, keep_prob: 0.8})
     if step % display_step == 0 or step == 1:
       # Calculate batch loss and accuracy
       loss, acc = sess.run([loss_op, accuracy], feed_dict={X: batch_x,
                                                            Y: batch_y,
                                                            keep_prob: 1.0})
       print("Step " + str(step) + ", Minibatch Loss= " + \
             "{:.4f}".format(loss) + ", Training Accuracy= " + \
             "{:.3f}".format(acc))
   print("Optimization Finished!")
   # Calculate accuracy for 256 MNIST test images
   print("Testing Accuracy:", \
     sess.run(accuracy, feed_dict={X: mnist.test.images[:256],
                                   Y: mnist.test.labels[:256],
                                   keep_prob: 1.0}))
 > Step 1, Minibatch Loss= 41724.0586, Training Accuracy= 0.156
   Step 10, Minibatch Loss= 17748.7500, Training Accuracy= 0.242
   Step 20, Minibatch Loss= 8307.6162, Training Accuracy= 0.578
   Step 30, Minibatch Loss= 3108.5703, Training Accuracy= 0.766
   Step 40, Minibatch Loss= 3273.2749, Training Accuracy= 0.727
   Step 50, Minibatch Loss= 2754.2861, Training Accuracy= 0.820
   Step 60, Minibatch Loss= 2467.7925, Training Accuracy= 0.844
   Step 70, Minibatch Loss= 1423.8140, Training Accuracy= 0.914
   Step 80, Minibatch Loss= 1651.4656, Training Accuracy= 0.875
   Step 90, Minibatch Loss= 2105.9263, Training Accuracy= 0.867
   Step 100, Minibatch Loss= 1153.5090, Training Accuracy= 0.867
   Step 110, Minibatch Loss= 1751.1400, Training Accuracy= 0.898
   Step 120, Minibatch Loss= 1446.2119, Training Accuracy= 0.922
   Step 130, Minibatch Loss= 1403.7135, Training Accuracy= 0.859
   Step 140, Minibatch Loss= 1089.7897, Training Accuracy= 0.930
   Step 150, Minibatch Loss= 1147.0751, Training Accuracy= 0.898
   Step 160, Minibatch Loss= 1963.3733, Training Accuracy= 0.883
   Step 170, Minibatch Loss= 1544.2725, Training Accuracy= 0.859
   Step 180, Minibatch Loss= 977.9219, Training Accuracy= 0.914
   Step 190, Minibatch Loss= 857.7977, Training Accuracy= 0.930
   Step 200, Minibatch Loss= 430.4735, Training Accuracy= 0.953
   Optimization Finished!
   Testing Accuracy: 0.94140625

Keras

Описание

Keras[4] — библиотека для построения нейронных сетей, поддерживающая основные виды слоев и структурные элементы. Поддерживает как рекуррентные, так и сверточные нейросети, имеет в своем составе реализацию известных архитектур нейросетей (например, VGG16). Некоторое время назад слои из данной библиотеки стали доступны внутри библиотеки Tensorflow. Существуют готовые функции для работы с изображениями и текстом. Интегрирована в Apache Spark с помощью дистрибутива dist-keras. Данная библиотека позволяет на более высоком уровне работать с нейронными сетями. В качестве библиотеки для бэкенда может использоваться как Tensorflow, так и Theano.

Примеры кода

Сверточная нейронная сеть

Реализация сверточной нейронной сети для классификации текста:

 from __future__ import print_function
 from keras.preprocessing import sequence
 from keras.models import Sequential
 from keras.layers import Dense, Dropout, Activation
 from keras.layers import Embedding
 from keras.layers import Conv1D, GlobalMaxPooling1D
 from keras.datasets import imdb
 
 # set parameters:
 max_features = 5000
 maxlen = 400
 batch_size = 32
 embedding_dims = 50
 filters = 250
 kernel_size = 3
 hidden_dims = 250
 epochs = 2
 
 (x_train, y_train), (x_test, y_test) = imdb.load_data(num_words=max_features)
 print(len(x_train), 'train sequences')
 print(len(x_test), 'test sequences')
 > 25000 train sequences
   25000 test sequences
 print('Pad sequences (samples x time)')
 x_train = sequence.pad_sequences(x_train, maxlen=maxlen)
 x_test = sequence.pad_sequences(x_test, maxlen=maxlen)
 print('x_train shape:', x_train.shape)
 print('x_test shape:', x_test.shape)
 > Pad sequences (samples x time)
   x_train shape: (25000, 400)
   x_test shape: (25000, 400)
 model = Sequential()
 
 model.add(Embedding(max_features,
                     embedding_dims,
                     input_length=maxlen))
 model.add(Dropout(0.2))  
 model.add(Conv1D(filters,
                  kernel_size,
                  padding='valid',
                  activation='relu',
                  strides=1))
 model.add(GlobalMaxPooling1D())
 model.add(Dense(hidden_dims))
 model.add(Dropout(0.2))
 model.add(Activation('relu'))
 model.add(Dense(1))
 model.add(Activation('sigmoid'))
 
 model.compile(loss='binary_crossentropy',
               optimizer='adam',
               metrics=['accuracy'])
 model.fit(x_train, y_train,
           batch_size=batch_size,
           epochs=epochs,
           validation_data=(x_test, y_test))
 > Train on 25000 samples, validate on 25000 samples
   Epoch 1/2
   25000/25000 [==============================] - 136s 5ms/step - loss: 0.4107 - acc: 0.7923 - val_loss: 0.2926 - val_acc: 0.8746
   Epoch 2/2
   25000/25000 [==============================] - 136s 5ms/step - loss: 0.2294 - acc: 0.9082 - val_loss: 0.3200 - val_acc: 0.8652

Другие библиотеки для машинного обучения на Python

Вспомогательные библиотеки

  • NumPy[5] — библиотека, добавляющая поддержку больших многомерных массивов и матриц вместе с большой библиотекой высокоуровневых математических функций для операций с этими массивами. Данная библиотека предоставляет реализации вычислительных алгоритмов (в виде функций и операторов), оптимизированные для работы с многомерными массивами. В результате любой алгоритм, который может быть выражен в виде последовательности операций над массивами (матрицами) и реализованный с использованием NumPy, работает так же быстро, как эквивалентный код, выполняемый в MATLAB[6];
  • SciPy[7] — открытая библиотека высококачественных научных инструментов для языка программирования Python. SciPy содержит модули для оптимизации, интегрирования, специальных функций, обработки сигналов, обработки изображений, генетических алгоритмов, решения обыкновенных дифференциальных уравнений и других задач, обычно решаемых в науке и при инженерной разработке;
  • Pandas[8] — библиотека Python, которая является мощным инструментом для анализа данных. Пакет дает возможность строить сводные таблицы, выполнять группировки, предоставляет удобный доступ к табличным данным и позволяет строить графики на полученных наборах данных при помощи библиотеки Matplotlib;
  • Matplotlib[9] — библиотека Python для построения качественных двумерных графиков. Matplotlib является гибким, легко конфигурируемым пакетом, который вместе с NumPy, SciPy и IPython[10] предоставляет возможности, подобные MATLAB.

Библиотеки для глубокого обучения

  • PyTorch[11] — библиотека для глубокого обучения, созданная на базе Torch[12] и развиваемая компанией Facebook. Две ключевые функциональности данной библиотеки — тензорные вычисления с развитой поддержкой ускорения на GPU и глубокие нейронные сети на базе системы autodiff;
  • Theano[13] — расширение языка программирования Python, позволяющее эффективно вычислять математические выражения, содержащие многомерные массивы. Библиотека предоставляет базовый набор инструментов для конфигурации нейронных сетей и их обучения. Наибольшее признание данная библиотека получила в задачах машинного обучения при решении задач оптимизации. Она позволяет использовать возможности GPU без изменения кода программы, что делает ее незаменимой при выполнении ресурсоемких задач;
  • Caffe[14] — фреймворк для обучения нейронных сетей, созданный университетом Беркли. Как и Tensorflow, использует cuDNN для работы с видеокартами NVIDIA;
  • Microsoft Cognitive Toolkit (CNTK)[15] — фреймворк от корпорации Microsoft, предоставляющий реализации архитектур различных нейронных сетей.

Библиотеки для обработки естественного языка

  • NLTK[16] — пакет библиотек и программ для символьной и статистической обработки естественного языка, написанных на языке программирования Python;
  • Gensim[17] — инструмент для автоматической обработки языка, основанный на машинном обучении. В Gensim реализованы алгоритмы дистрибутивной семантики word2vec и doc2vec, он позволяет решать задачи тематического моделирования и выделять основные темы текста или документа.

Библиотеки для градиентного бустинга

  • Xgboost[на 28.01.19 не создан][18] — библиотека с реализацией градиентного бустинга, которая для выбора разбиения использует сортировку и модели, основанные на анализе гистограмм;
  • LightGBM[19] — фреймворк с реализацией градиентного бустинга от корпорации Microsoft. Является частью проекта Microsoft DMTK, посвященного реализации подходов машинного обучения для .Net;
  • CatBoost[20] — библиотека с градиентным бустингом от компании Яндекс, в которой реализуется особый подход к обработке категориальных признаков, основанный на подмене категориальных признаков статистиками на основе предсказываемого значения.

См. также

Примечания