smile——Java机器学习引擎

资源

https://haifengl.github.io/

https://github.com/haifengl/smile

介绍

Smile（统计机器智能和学习引擎）是一个基于Java和Scala的快速、全面的机器学习、NLP、线性代数、图形、插值和可视化系统。

凭借先进的数据结构和算法，Smile提供了最先进的性能。Smile有很好的文档记录，请查看项目网站以获取编程指南和更多信息。

Smile涵盖了机器学习的各个方面，包括分类、回归、聚类、关联规则挖掘、特征选择、流形学习、多维缩放、遗传算法、缺失值插补、高效最近邻搜索等。

Smile实现了以下主要的机器学习算法：

• 分类：支持向量机、决策树、AdaBoost、梯度提升、随机森林、逻辑回归、神经网络、RBF网络、最大熵分类器、KNN、朴素贝叶斯、Fisher/线性/二次/正则判别分析。
• 回归：支持向量回归、高斯过程、回归树、梯度提升、随机森林、RBF网络、OLS、套索、弹性网络、岭回归。
• 特征选择：基于遗传算法的特征选择，基于集成学习的特征选择、树形图、信噪比和平方比。
• 聚类：BIRCH、CLARANS、DBSCAN、DENCLUE、确定性退火、K-均值、X-均值、G-均值、神经气体、生长神经气体、层次聚类、顺序信息瓶颈、自组织映射、光谱聚类、最小熵聚类。
• 关联规则和频繁项集挖掘：FP增长挖掘算法。
• 流形学习：IsoMap、LLE、拉普拉斯特征映射、t-SNE、UMAP、PCA、核PCA、概率PCA、GHA、随机投影、ICA。
• 多维标度：经典MDS、等渗MDS和Sammon映射。
• 最近邻搜索：BK树、覆盖树、KD树、SimHash、LSH。
• 序列学习：隐马尔可夫模型，条件随机场。
• 自然语言处理：分句器和标记器、双元统计测试、短语提取器、关键词提取器、词干分析器、词性标注、相关性排序

使用（Java等集成）

maven引入

    <dependency>
      <groupId>com.github.haifengl</groupId>
      <artifactId>smile-core</artifactId>
      <version>2.6.0</version>
    </dependency>

Shell使用

模型序列化

大多数模型支持Java可序列化接口（所有分类器都支持可序列化接口），因此您可以在Spark中使用它们。

对于在非Java代码中读/写模型，我们建议使用XStream以串行化训练的模型。XStream是一个简单的库，用于将对象序列化为XML并再次序列化。XStream易于使用，不需要映射（实际上不需要修改对象）。Protostuff是一个很好的替代方案，它支持向前向后兼容性（模式演化）和验证。除了XML之外，Protostuff还支持许多其他格式，如JSON、YAML、protobuf等。

可视化

Smile提供了一个基于Swing的数据可视化库SmilePlot，它提供散点图、线图、阶梯图、条形图、方框图、直方图、3D直方图、树状图、热图、hexmap、QQ图、等高线图、曲面和线框。

需要引入库

    <dependency>
      <groupId>com.github.haifengl</groupId>
      <artifactId>smile-plot</artifactId>
      <version>2.6.0</version>
    </dependency>

Smile还支持声明方式的数据可视化。使用mile.plot.vega软件包，我们可以创建一个规范，将可视化描述为从数据到图形标记（如点或条）属性的映射。

该规范基于Vega-Lite。Vega-Lite编译器自动生成可视化组件，包括轴、图例和比例。然后，它根据一组精心设计的规则确定这些组件的属性。

示例