mltool:机器学习工具箱

时间:2024-02-23 15:44:17
【文件属性】:

文件名称:mltool:机器学习工具箱

文件大小:249KB

文件格式:ZIP

更新时间:2024-02-23 15:44:17

machine-learning haskell neural-network HaskellHaskell

机器学习工具箱 支持的方法和问题 监督学习 回归问题 正态方程 使用最小二乘法的线性回归。 分类问题 Softmax分类器; 多SVM分类器; 逻辑回归 神经网络,请参阅下面的详细信息。 无监督学习 主成分分析(降维问题); K均值(聚类)。 神经网络 激活:ReLu,Tanh,Sigmoid; 损失函数:Softmax,Multi SVM,物流。 用法 OS X / macOS先决条件设置 使用: brew install pkg-config gsl 要么 使用 : sudo port install pkgconfig gsl 建立项目 stack build 运行示例应用 请从根目录运行示例应用程序(因为训练数据集的路径是硬编码的)。 cd examples stack build stack exec linreg # Linear Regression Sample App stack exec logreg # Logistic Regression (Classification) Sample App stack exec digit


【文件预览】:
mltool-master
----.travis.yml(2KB)
----Rakefile(1KB)
----test()
--------Test()
--------MachineLearningTest.hs(760B)
--------MachineLearning()
--------Main.hs(3KB)
----stack.yaml(2KB)
----LICENSE(2KB)
----mltool.cabal(5KB)
----src()
--------MachineLearning.hs(2KB)
--------MachineLearning()
----Setup.hs(46B)
----examples()
--------digits_classification_pca()
--------linear_regression()
--------stack.yaml(121B)
--------LICENSE(2KB)
--------mltool-examples.cabal(3KB)
--------neural_networks()
--------logistic_regression()
--------digits_classification()
--------digits_classification_svm()
--------numerical_issues()
--------kmeans()
----.gitignore(21B)
----README.md(3KB)
----scripts()
--------test_runner.py(4KB)
--------upload_hackage_docs.sh(889B)

网友评论