Package: python-shogun-dbg (3.2.0-5.2)

Værktøjskasse for Large Scale Machine Learning

SHOGUN - er en ny maskinlærende værktøjskasse med fokus på kernemetoder i stor skala og specielt Support Vector Machines (SVM) med fokus for bioinformatik. Programmet tilbyder en generisk SVM-objektgrænseflade til flere forskellige SVM-implementeringer. Hver af SVM'erne kan kombineres med en række af de mange kerner, som er implementeret. Programmet kan håndtere vægtede lineære kombinationer for et antal underkerner, som hver for sig ikke nødvendigvis arbejder på det samme domæne, hvor en valgfri underkernevægtning kan læres med brug af Multiple Kernel Learing. Udover klassifikationen for SVM2-klassen og regressionsproblemer er også et antal lineære metoder såsom Linear Discriminant Analysis (LDA), Linear Programming Machine (LPM), (Kernel) Perceptrons og også algoritmer til at træne skjulte markovmodeller implementeret. Inddatas funktionsobjekter kan være tæt, sjælden eller strenge og af type int/short/double/char og kan konverteres til forskellige funktionstyper. Kæder af præbehandlere (f.eks. fratrækning af middel) kan vedhæftes til hvert funktionsobjekt, hvilket tillader løbende præbehandling.

SHOGUN kommer i forskellige varianter, en uafhængig version og også med grænseflader til Matlab(tm), R, Octave, Readline og Python. Denne pakke indeholder fejlsøgningssymbolerne for de statiske og modulopbyggede Pythongrænseflader.

Tags: Role: Debugging symbols

This page is also available in the following languages (How to set the default document language):