Примеры кода на Java

2020-04-24T16:11:13Z

91.108.30.97: /* См. также */

[[File:Java.jpeg|auto|thumb|Java: https://www.oracle.com/java/]]
==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. Основные возможности <code>Weka</code> можно сгруппировать в 3 категории: инструменты пре-процессинга данных, алгоритмы машинного обучения и инструменты оценки модели. Инструменты пре-процессинга в <code>Weka</code> называются фильтрами, <code>Weka</code> содержит фильтры для дискретиации, нормализации, уменьшения размерности, трансформации и комбинирования признаков. <code>Weka Machine Learning Toolkit</code> содержит алгоритмы классификации, регрессии, кластеризации. Реализованы следующие алгоритмы обучения: деревья решений, метод опорных векторов, <code>MLP</code>, логистическая регрессия, Байесовские сети, и др., мета-алгоритмы включают в себя: бэггинг, [[Бустинг, AdaBoost|бустинг]], стекинг, алгоритмы выбора признаков: [[Метод главных компонент (PCA)| PCA]][на 28.01.19 не создан], фильтрующие методы, основанные на information gain, коэффициенте корреляции Пирсона и <code>OneR</code> классификаторе.
* <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.
* <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.
==Основные особенности использования Java для задач машинного обучения==
В отличие от <code>Python</code>, <code>Java</code> не обладает столь обширной экосистемой, ориентированной на решение задач машинного обучения и анализа данных. Большинство имеющихся инструментов являются узко специализированными (по сравнению, например, с <code>scikit-learn</code><ref>[https://scikit-learn.org/stable/ Библиотека scikit-learn]</ref>) и хуже документированы. Ввиду более низкой популярности языка в сфере <code>ML</code> большинство онлайн курсов и обучающих материалов ориентированы на <code>Python</code>. Однако, несмотря на вышеперечисленные факторы, <code>Java</code> остается
популярной альтернативой, особенно при необходимости интеграции с существующими <code>JVM</code> проектами. Также к достоинствам <code>Java</code> можно отнести статическую типизацию (и как следствие уменьшенную вероятность ошибок времени исполнения) и заметно более развитую поддержку в IDE.
==Примеры кода==
Для работы с приведенными ниже примерами необходим <code>JDK</code> версии не ниже 10 и система сборки <code>Maven</code>. 
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====
{{main|Линейная регрессия#Пример на языке Java}}

====Логистическая регрессиия====
{{main|Логистическая регрессия#Пример на языке Java}}
====Гребневая регрессия (ридж-регрессия)====
{{Main|Вариации регрессии#Пример на языке Java}}
====Лассо-регрессия====
{{Main|Вариации регрессии#Пример на языке Java_2}}

===Метрический классификатор и метод ближайших соседей===
{{Main|Метрический классификатор и метод ближайших соседей#Пример на языке Java}}

===Классификация при помощи MLP===
{{main|Нейронные сети, перцептрон#Пример на языке Java}}
===Рекуррентные нейронные сети===
{{Main|Рекуррентные нейронные сети#Пример на языке Java}}
===Долгая краткосрочная память===
{{Main|Долгая краткосрочная память#Пример на языке Java}}
===Метод опорных векторов===
{{main|Метод опорных векторов (SVM)#Пример на языке Java}}
===Деревья решений, случайный лес===
{{Main|Дерево решений и случайный лес#Пример на языке Java}}

===Бустинг, Ada-boost===
{{main|Бустинг, AdaBoost#Пример на языке Java}}

===EM-алгоритм===
{{Main|EM-алгоритм|ll=EM-алгоритм [на 08.04.19 не создан]}}
Пример кластеризации с применением <code>weka.clusterers.EM</code><ref>[http://weka.sourceforge.net/doc.dev/weka/clusterers/EM.html/ Weka, EM]</ref>

<dependency>
<groupId>nz.ac.waikato.cms.weka</groupId>
<artifactId>weka-stable</artifactId>
<version>3.8.0</version>
</dependency>

'''import''' weka.clusterers.ClusterEvaluation;
'''import''' weka.clusterers.EM;
'''import''' weka.core.Instances;
'''import''' java.io.BufferedReader;
'''import''' java.io.FileReader;
'''import''' java.util.Random;

//load data
'''var''' data = new Instances(new BufferedReader(new FileReader("data/bank-data.arff")));
// new instance of clusterer
'''var''' model = new EM();
// build the clusterer
model.buildClusterer(data);
System.out.println(model);
'''var''' logLikelihood = ClusterEvaluation.crossValidateModel(model, data, 10, new Random(1));

===Уменьшение размерности===
{{Main|Уменьшение размерности#Пример на языке Java}}

===Байесовская классификация===
{{Main|Байесовская классификация#Пример на языке Java}}

==См. также==
*[[:Примеры кода на Scala|Примеры кода на Scala]]
*[[:Примеры кода на R|Примеры кода на R]]
*[[:Обзор библиотек для машинного обучения на Python|Обзор библиотек для машинного обучения на Python]]

== Примечания ==
<references/>
[[Категория: Машинное обучение]] [[Категория: Примеры кода]]

Викиконспекты - Вклад участника [ru]

Примеры кода на Java