smile Download - تنزيل رمز المصدر smile

smile

شفرة المصدر الأخرى

4.0.0

تنزيل

يبتسم

Smile (ذكاء الآلة الإحصائي ومحرك التعلم) هو التعلم الآلي السريع والشامل ، NLP ، الجبر الخطي ، الرسم البياني ، الاستيفاء ، ونظام التصور في Java و Scala. من خلال هياكل البيانات المتقدمة والخوارزميات ، تقدم Smile أداءً على أحدث طراز. تم توثيق Smile بشكل جيد ويرجى التحقق من موقع المشروع لأدلة البرمجة والمزيد من المعلومات.

تغطي Smile كل جانب من جوانب التعلم الآلي ، بما في ذلك التصنيف ، والانحدار ، والتجميع ، والتعدين في القاعدة ، واختيار الميزات ، والتعلم المتعدد ، والتوسيع متعدد الأبعاد ، والخوارزميات الوراثية ، وضغط القيمة المفقودة ، وأقرب جار كفاءة ، وما إلى ذلك.

تبتسم Smile خوارزميات التعلم الآلي الرئيسي التالي:

التصنيف: دعم آلات المتجهات ، أشجار القرار ، adaboost ، تعزيز التدرج ، الغابات العشوائية ، الانحدار اللوجستي ، الشبكات العصبية ، شبكات RBF ، مصنف الإنتروبيا القصوى ، KNN ، ساذجة بايزي ، فيشر/خطي/تربيعي/تحليل تمييز.
الانحدار: دعم الانحدار المتجه ، العملية الغوسية ، أشجار الانحدار ، تعزيز التدرج ، الغابات العشوائية ، شبكات RBF ، OLS ، LASSO ، TILISTINGNET ، RIDGE REPRASTION.
اختيار الميزات: اختيار الميزات القائم على الخوارزمية الوراثية ، اختيار الميزات القائم على التعلم ، Treeshap ، نسبة ضوضاء الإشارة ، نسبة المربعات.
التجميع: بيرش ، كلارانز ، DBSCAN ، Denclue ، الصلب الحتمي ، K-Means ، X-Means ، G-Means ، الغاز العصبي ، الغاز العصبي المتنامي ، التجميع الهرمي ، عنق الزجاجة المعلومات المتسلسلة ، خرائط تنظيم ذاتي ، التجميع الطيفي ، التجميعات الحد الأدنى للإنتروبيا.
قاعدة الجمعية والتعدين بشكل متكرر: خوارزمية تعدين النمو FP.
التعلم المنوع: ISOMAP ، LLE ، Laplacian eigenmap ، T-SNE ، UMAP ، PCA ، kernel PCA ، PCA الاحتمالية ، GHA ، الإسقاط العشوائي ، ICA.
التحجيم متعدد الأبعاد: MDS الكلاسيكية ، MDS متساوي التوتر ، رسم الخرائط Sammon.
أقرب بحث جار: BK Tree ، شجرة الغلاف ، KD Tree ، Simhash ، LSH.
تعلم التسلسل: نموذج ماركوف المخفي ، الحقل العشوائي المشروط.
معالجة اللغة الطبيعية: فاصل الجملة والرمز المميز ، اختبار إحصائي Bigram ، مستخرج العبارات ، مستخرج الكلمات الرئيسية ، STEMMER ، وضع علامات POS ، تصنيف الأهمية

يمكنك استخدام المكتبات من خلال مستودع Maven Central عن طريق إضافة ما يلي إلى ملف Project Pom.xml.

    <dependency>
      <groupId>com.github.haifengl</groupId>
      <artifactId>smile-core</artifactId>
      <version>4.0.0</version>
    </dependency>

بالنسبة إلى NLP ، استخدم Artifactid Smile-NLP.

لـ Scala API ، يرجى الاستخدام

    libraryDependencies += "com.github.haifengl" %% "smile-scala" % "4.0.0"

بالنسبة إلى API Kotlin ، أضف أدناه إلى قسم dependencies في البرنامج النصي Build Build.

    implementation("com.github.haifengl:smile-kotlin:4.0.0")

بالنسبة إلى Clojure API ، أضف التبعية التالية إلى مشروعك أو ملف الإنشاء:

    [org.clojars.haifengl/smile "4.0.0"]

تعتمد بعض الخوارزميات على Blas و Lapack (على سبيل المثال التعلم المتعدد ، وبعض خوارزميات التجميع ، والانحدار العملي Gaussian ، MLP ، إلخ). لاستخدام هذه الخوارزميات ، يجب عليك تضمين OpenBlas لحساب المصفوفة الأمثل:

    libraryDependencies ++= Seq(
      "org.bytedeco" % "javacpp"   % "1.5.11"        classifier "macosx-arm64" classifier "macosx-x86_64" classifier "windows-x86_64" classifier "linux-x86_64",
      "org.bytedeco" % "openblas"  % "0.3.28-1.5.11" classifier "macosx-arm64" classifier "macosx-x86_64" classifier "windows-x86_64" classifier "linux-x86_64",
      "org.bytedeco" % "arpack-ng" % "3.9.1-1.5.11"  classifier "macosx-x86_64" classifier "windows-x86_64" classifier "linux-x86_64"
    )

في هذا المثال ، نقوم بتضمين جميع المنصات 64 بت المدعومة وتصفية منصات 32 بت. يجب أن يتضمن المستخدم فقط الأنظمة الأساسية اللازمة لحفظ المساحات.

إذا كنت تفضل تطبيقات BLAS الأخرى ، فيمكنك استخدام أي مكتبة موجودة على "java.library.path" أو على مسار الفصل ، من خلال تحديدها مع خاصية نظام "org.bytedeco.openblas.load". على سبيل المثال ، لاستخدام مكتبة Blas من إطار التسريع على Mac OS X ، يمكننا تمرير خيارات مثل -Dorg.bytedeco.openblas.load=blas .

إذا كان لديك تثبيت افتراضي لـ MKL أو ببساطة تضمين الوحدات التالية التي تتضمن النسخة الكاملة من ثنائيات MKL ، فسيتم تبديل Smile تلقائيًا إلى MKL.

 libraryDependencies ++= {
  val version = "2025.0-1.5.11"
  Seq(
    "org.bytedeco" % "mkl-platform"        % version,
    "org.bytedeco" % "mkl-platform-redist" % version
  )
}

رخصة

توظف Smile نموذج ترخيص مزدوج مصمم لتلبية احتياجات التطوير والتوزيع لكل من الموزعين التجاريين (مثل OEMs و ISVs و Vars) والمشاريع المفتوحة المصدر. لمزيد من التفاصيل ، يرجى الاطلاع على الترخيص.

صدَفَة

تأتي الابتسامة مع قذائف تفاعلية لجافا ، سكالا وكوتلين. قم بتنزيل ابتسامة معبأة مسبقًا من صفحة الإصدارات. في الدليل المنزلي للابتسامة ، اكتب

    ./bin/smile

لدخول قذيفة سكالا. يمكنك تشغيل أي تعبيرات Scala صالحة في shell. في أبسط حالة ، يمكنك استخدامها كآلة حاسبة. إلى جانب ذلك ، يتم تعريف جميع مشغلي الابتسامة رفيعة المستوى مسبقًا في القشرة. بشكل افتراضي ، تستخدم shell ذاكرة تصل إلى 75 ٪. إذا كنت بحاجة إلى مزيد من الذاكرة للتعامل مع البيانات الكبيرة ، فاستخدم الخيار -J-Xmx أو -XX:MaxRAMPercentage . على سبيل المثال،

    ./bin/smile -J-Xmx30G

يمكنك أيضًا تعديل ملف التكوين ./conf/smile.ini للذاكرة وإعدادات JVM الأخرى.

لاستخدام Java's Jshell ، اكتب

    ./bin/jshell.sh

التي لها جرار ابتسامة في classpath. وبالمثل ، تشغيل

    ./bin/kotlin.sh

لدخول Kotlin REPL.

نموذج التسلسل

تدعم معظم الطرز واجهة Java Serializable (جميع المصنفات تدعم الواجهة Serializable ) بحيث يمكنك استخدامها في Spark. Protostuff هو بديل جميل يدعم التوافق الأمامي (تطور المخطط) والتحقق من الصحة. ما وراء XML ، يدعم Protostuff العديد من التنسيقات الأخرى مثل JSON و YAML و Protobuf ، إلخ.

التصور

يوفر Smile مكتبة تصور البيانات المستندة إلى الأرجوحة SmiLeplot ، والتي توفر مؤامرة مبعثرة ، مؤامرة خط ، مخطط للدرج ، قطعة بار ، مؤامرة مربع ، رسم بياني ، رسم بياني ثلاثي الأبعاد ، dendrogram ، hexmap ، hexmap ، مؤامرة QQ ، مؤامرة الكنتور ، السطح ، والسلوكية.

لاستخدام SmilePlot ، أضف ما يلي إلى التبعيات

    <dependency>
      <groupId>com.github.haifengl</groupId>
      <artifactId>smile-plot</artifactId>
      <version>4.0.0</version>
    </dependency>

ابتسامة تدعم أيضًا تصور البيانات في النهج التعريفي. مع smile.plot.vega package ، يمكننا إنشاء مواصفات تصف التصورات بأنها تعيينات من البيانات إلى خصائص العلامات الرسومية (على سبيل المثال ، نقاط أو أشرطة). تعتمد المواصفات على Vega-Lite. ينتج برنامج التحويل البرمجي Vega-Lite تلقائيًا مكونات التصور بما في ذلك المحاور والأساطير والمقاييس. ثم يحدد خصائص هذه المكونات بناءً على مجموعة من القواعد المصممة بعناية.

معرض

نواة PCA	isomap
التحجيم متعدد الأبعاد	سوم
الشبكة العصبية	SVM
التجميع الهرمي	X-Means
DBSCAN	الغاز العصبي
المويجات	مزيج الأسرة الأسي