SHOGUN

SHOGUN bir açık kaynak yazılım büyük ölçekli çekirdek yöntemleri hedefleyen bir makine öğrenme araç kutusu sağlamak için ofset tasarlanmış proje ve özellikle Destek Vektör Makineleri (DVM) için tasarlanmış. Yazılım kolayca C, C ++, Python, Octave, Matlab, Java, C #, Ruby, Lua, Unix Shell, ve R. dahil olmak üzere çeşitli programlama dilleri, içinde kullanılabilir
Uygulama çeşitli SVM uygulamaları ile arayüz standart bir SVM (Destek Vektör Makineleri) nesne sunmaktadır. Ayrıca, lineer programlama makinesi (LPM), daha çok doğrusal analizi (LDA) gibi bir çok doğrusal yöntemleri içerir, (çekirdek) Algılayıcılar, hem de bir glanceKey özelliklere gizli Markov models.Features yetiştirmek için kullanılabilen bazı algoritmalar birini içeren sınıf sınıflandırma, MultiClass sınıflandırma, regresyon, yapılandırılmış çıktı öğrenme, ön-işleme, dahili model seçim stratejileri, test çerçeve, büyük ölçekli öğrenme desteği, öğrenme alanı adaptasyon, seri, paralel kod, performans ölçütleri, çekirdek ridge regresyon, vektör çoklu görev regresyon desteği ve Gauss süreçleri.
Ayrıca, q-norm MKL ve MultiClass MKL dahil olmak üzere birden çekirdek öğrenme, destekler Naive Bayes, Lojistik Regresyon, LASSO, k-NN ve Gauss Süreci Sınıflandırma sınıflandırıcılar, destekler doğrusal programlama makinesi, LDA, Markov zincirleri, gizli Markov modelleri destekler, PCA, çekirdek PCA, Isomap, çok boyutlu ölçekleme, yerel doğrusal gömme, difüzyon haritası, yerel tanjant uzay hizalama, yanı sıra laplacian eigenmaps.
Ayrıca, bu Mosek, etikete Barnes-Hut t-SNE desteği, çekirdek normalleyici, sigmoid çekirdek, dize çekirdekleri, polinom, doğrusal ve Gauss çekirdeği, hiyerarşik kümeleme, k-araçları, BFGS optimizasyonu, gradyan, bağlamaları CPLEX için, bağlamaları özellikleri anlamına SO-SVM ve kaput representation.Under seyrek veriler ve availabilitySHOGUN gururla Python ve C ++ programlama dilinde yazılmış gizli dizi öğrenme, faktör grafik öğrenme, SO-SGD, o & rsquo; ın uyumlu herhangi bir GNU / Linux işletim sistemi ile Python ve GCC bulunduğu yerde. Bu herhangi bir Linux çekirdeği tabanlı işletim sistemi kurabilir, böylece evrensel bir kaynak arşivi olarak indirebilirsiniz

Bu sürümde Yeni nedir:.

• Özellikler:
• Tam şimdi python3 destek
• Ekle mini toplu k-ortalamalar [Parijat Mazumdar]
• k ekle-araç ++ [Parijat Mazumdar]
• Ekle alt-dizisi dize çekirdek [lambday]
• Bugfixes:

Yaklaşan swig3.0
• Derleme düzeltmeleri
• ) (uygulamak 'Gauss süreci için Speedup
• geliştirin birim / entegrasyon test kontrolleri
• libbmrm başlatılmamış bellek okur

Başlatılmamış belleğe libocas
• okur
• Octave 3.8 düzeltmeleri derlemek [Orion Poplawski]
• Fix java modüler derleme hatası [Bjoern Esser]

nedir sürüm 3.1.1 Yeni:

• CXX0X ile meydana gelen hata derleme Fix
• gerekli sürüme veri sürümü Bump

sürüm 3.1.0 Yeni nedir:

• Bu sürüm çoğunlukla onarımları içeren, ama aynı zamanda geliştirmeleri özelliği .
• En önemli, uygulamak için ilgili bellek sızıntıları bir çift () sabit olmuştur.

Protobuf nesneler olarak
• Yazma ve Shogun özellikleri okuma artık mümkün.
• Özel Çekirdek Matrisler şimdi olabilir 2 ^ 31-1 * 2 boyutu ^ 31-1.
• MultiClass ipython dizüstü eklendi, ve diğerleri geliştirilmiş.
• Leave-tek-out crossvalidation olduğunu artık rahatlıkla destekledi.

nedir sürüm 2.0.0 Yeni:

• Bu içerir önce yapılmıştır her şeyi ve Kod 2012.
Google yaz aylarında
• Öğrenciler birkaç isim gibi yapılandırılmış çıktı öğrenme, Gauss süreçleri, gizli değişken SVM (ve yapılandırılmış çıkış öğrenme), çekirdek üreyen alanlarda istatistiksel testler, çeşitli çoklu görev öğrenme algoritmaları ve çeşitli kullanılabilirlik iyileştirmeleri gibi çeşitli yeni özellikler hayata geçirdik.

sürüm 1.1.0 yeni nedir:

• Bu sürüm 'dönüştürücüler' kavramını tanıttı, Eğer keyfi özelliklerin katıştırmalarını inşa sağlar.
• Aynı zamanda boyut indirgeme araç içinde birkaç yeni boyut azaltma teknikleri ve önemli performans geliştirmeleri içerir.
• Diğer iyileştirmeler Cygwin, Mac OS X ve clang ++ uyumluluğu önemli bir derleme hızı-up, modüler arayüzler ve algoritmalar için çeşitli onarımları içerir ve geliştirilmiş.
• Github Sorunları şimdi izleme böcek ve sorunlar için kullanılır.

sürüm 1.0.0 yeni nedir:

• Bu sürüm Java dahil olmak üzere yeni dillere arayüzler özellikleri, C #, Ruby ve Lua, bir model seçim çerçevesi, birçok boyut azaltma teknikleri, Gauss Karışım Modeli tahmin ve tam teşekküllü bir çevrimiçi öğrenme çerçevesi.

sürüm 0.10.0 yeni nedir:

• Özellikler:
• CSGObject kaynaklanan nesnelerin Serialization, yani tüm Shogun nesneleri (DVM, Çekirdek, Özellikler, Önişlemciler, ...) ASCII, JSON, XML olarak ve HDF5
• SVMLightOneClass oluştur
• özel çekirdeğe benzer CustomDistance Ekle
• HistogramIntersectionKernel Ekle (teşekkürler yama için Koen van de Sande)
• Matlab 2010a desteği
• SpectrumMismatchRBFKernel modüler desteği (teşekkürler yama için Rob Patro)
• Ekle ZeroMeanCenterKernelNormalizer (teşekkürler yama için Gorden Jemwa)
• Swig 2.0 desteği
• Bugfixes:
• Özel çekirdeklerde şimdi olabilir & gt; 4G (teşekkürler yama için Koen van de Sande)
• ASCII yüzer ve fprintf ile incompatiblies önlemek için init_shogun olarak başlangıçta Set C yerel
• referans sayma devre dışı bırakıldığında düzeltme derleme
• (Dave duVerle tarafından bildirilen) wd çekirdek Fix set_position_weights

Wd çekirdeği için
• Fix set_wd_weights.
• SVMOcas Fix crasher (Yaroslav tarafından bildirilen)
• Temizleme ve API Değişiklikleri:

SVMLight vb SVM_light / SVR_light yeniden adlandırıldı
• .
• olmayan seri sınıf adlarının önünde C öneki Kaldır
• Bırak CSimpleKernel ve temel sınıf olarak CDotKernel tanıtmak. Tüm nokta-ürün bazlı çekirdekleri DotFeatures üst ve bu çekirdekler için sadece tek bir uygulama üzerinde uygulanabilir Bu şekilde gereklidir.

sürüm 0.9.3 yeni nedir:

• Özellikler:
• Deneysel lp-norm MCMKL
• Yeni çekirdeklerde: SpectrumRBFKernelRBF, SpectrumMismatchRBFKernel, WeightedDegreeRBFKernel
• WDK çekirdek amino asitleri destekler
• Dize Özellikleri artık işlemleri (ve oluşturulmasını ekleme destek
• python-dbg desteği
• özel kernel için girdi olarak yüzen izin (ve matrisler & gt; boyutunda 4GB)
• Bugfixes:
• Statik bağlama düzeltme.
• seyrek doğrusal çekirdeğin add_to_normal Fix
• Temizleme ve API Değişiklikleri:
• Performans Önlemleri init () işlevini çıkarın
• Python için .so eki ayarlayın ve yolları anlamaya yüklemek için python distutils modülünü kullanabilirsiniz

sürüm 0.9.2 yeni nedir:

• Özellikler:
• Doğrudan okuma ve ASCII / Binary dosyaları / HDF5 göre dosyaların yazma.
• Uygulanan çoklu görev çekirdek normalizer.
• SNP çekirdeği uygular.
• LIBSVM / libsvr için zaman sınırı uygulanması.
• entegre Elastik Net MKL (teşekkürler yama için Ryoata Tomioka).
• Hashed WD Özellikler uygulayın.
• Hashed Seyrek Poly Özellikleri uygulanması.
• 1.51 liblinear entegre
• LIBSVM şimdi devre dışı önyargı ile eğitilmiş olabilir.
• / set global ve yerel io / paralel almak için fonksiyonları ekleyin / ... nesneler.
• Bugfixes:

Doğrusal sınıflandırıcılar için
• Fix set_w ().
• Statik Oktav, Python, Cmdline ve Modüler Python arayüzleri tekrar, Windows / Cygwin altında temiz derleme.

Sonra doğrudan eğitim. Yapılmazsa ne zaman test başarısız olabilir statik arayüzleri