b 機械学習における経験的調査の実行と分析のためのフレームワーク
今すぐダウンロード

b ランキングとまとめ

b タグ

実行する 機械学習 経験的調査

b 説明

機械学習における経験的調査の実行と分析のための枠組み Rails（BOR）でベクマークーキングは、機械学習と信号処理の分野における迅速な仕様、実行、および実証的調査の分析のために構築された無料のオープンソースフレームワークです。 BORはPythonで書かれており、Wekaフレームワークのような人気のあるツールキット、データ処理用のモジュラーツールキットとMMLFと組み合わせることができます。 BORは、りんXgridのようなグリッド上のベンチマーク実験の大規模な並列実行をサポートしています。 BORには、データセット、処理、およびモダリティなどの重要なエンティティのクラスを提供しています.Datasetsは、いわゆるBORコレクションで構成されています。 BORコレクションは、同じソースから発生するデータ、すなわちそれらを生成したプロセスは同じであるべきです。異なるソースからオーギネートがあるいくつかのBORコレクションをBORバンドルにまとめてバンドルできます。 BORコレクションの典型的な例は、1つのセッションで1つの被験者から測定されたEEGです。対照的に、BORバンドルは、いくつかの異なる対象の測定値または異なるセッションからの測定値を含むことができる。 BORコレクションとBORバンドルの両方が実際のデータとファイル "collection.yaml"に格納されているいくつかのメタデータで構成されています。 BORコレクションにはタイプがあります。 「時系列コレクション」または「機能ベクトルコレクション」。 BORバンドルは、それが含むコレクションの種類を継承し、すなわちバンドルは1つのタイプのコレクションのみを含む均質でなければならない。処理は、1種類のデータを他の種類に変換する任意の種類の計算を記述する。 BORでは、さまざまなレベルの粒度のための処理の異なる概念化が存在します。中間レベルでは、BOR操作は入力として1つのBORバンドルを取り、出力として第2のBORバンドルを生成するプロセスです。最高レベルでは、BORキャンペーンは一連のBOR操作です。 BORキャンペーンの入力はキャンペーンの最初のBOR操作によって処理されます。 BOR操作の出力は、キャンペーンの後続の操作の入力として機能します。最後の操作の出力バンドルはCampaignの結果です.Each BOR操作は、一連のBORプロセスの内部的に構成されています。キャンペーンの動作は依存して順次処理されているが、動作のプロセスは依然として依然として並行して処理され得る。操作がプロセスに分割されている方法は固定されていません。たとえば、入力バンドルの1回のコレクションごとに1つのプロセスを持つことも、入力バンドルに適用された1回のプロセスを持つ可能性があります。現在、ほとんどのプロセスは、ABRI-DP / MDPまたはWekaで実装されたアルゴリズムを使用することによって内部的に実装されています。それに対応して、MDP操作/ MDPプロセスタイプが1つあります。さらに、Wekaに基づく2つのプロセスがあります。 1つのタイプはWekaFilterプロセス/操作です。これは、そのプロパティによって定義されて、「機能ベクトル」の1つのバンドルを同じ型の別のバンドルに変換するために定義されます。それは内部的にいくつかの種類の特徴選択、正規化などを適用するかもしれません2番目のWekaベースの種類は、WekAclassification-process /操作です。このタイプは、 "feature_vector"の1つのバンドルを "result_set"のバンドルに変換するプロパティによって定義されます。通常、バンドルに分類子のセットを内部的に適用し、そのパフォーマンス（正確さ、精度、リコールなど）、および入力データの結果ファイルへのプロパティを記憶します。さらに、「result_set」バンドルに含まれるデータを分析し、いくつかのメトリック上のさまざまなパラメータの効果を視覚化して評価するプロットのセットを作成する1つの分析プロセス/操作もあります。 BOR操作のすべてのプロセスは同じタイプを持つ必要があります。対照的に、BORキャンペーンの動作は典型的には異なる種類を有する。制限は、キャンペーンの各操作が前の操作によって生成されたバンドルを処理できなければならないことです。要件： ・Java 1.5以降

b 関連ソフトウェア