machinelearnjs

machineLearn.js

MachineLearn.js est une bibliothèque d'apprentissage automatique écrite en dactylographie. Il résout les problèmes d'apprentissage automatique et enseigne aux utilisateurs comment fonctionnent les algorithmes d'apprentissage automatique.

Installation d'utilisateurs

Utilisation du fil

$ yarn add machinelearn

Utilisation de NPM

$ npm install --save machinelearn

Sur les navigateurs

Nous utilisons JSDeliver pour distribuer la version du navigateur de MachineLearn.js

 < script src =" https://cdn.jsdelivr.net/npm/machinelearn/machinelearn.min.js " > </ script >
< script >
    const { RandomForestClassifier } = ml . ensemble ;
    const cls = new RandomForestClassifier ( ) ;
</ script >

Veuillez consulter https://www.jsdelivr.com/package/npm/machinelearn pour plus de détails.

Accélérations

Par défaut, MachineLearning.js utilisera la version JavaScript pure de TFJS. Pour activer l'accélération via la liaison C ++ ou le GPU, vous devez importer machinelearn-node pour C ++ ou machinelearn-gpu pour GPU.

1. C ++

• installation

yarn add machinelearn-node

• activation

 import 'machinelearn-node' ;

2. GPU

• installation

yarn add machinelearn-gpu

• activation

 import 'machinelearn-gpu' ;

Points forts

• Apprentissage automatique sur le navigateur et Node.js
• Apprendre des API pour les utilisateurs
• Barrière d'entrée bas

Développement

Nous accueillons les nouveaux contributeurs de tous les niveaux d'expérience. Le guide de développement sera ajouté pour aider les nouveaux contributeurs à rejoindre facilement le projet.

• Vous souhaitez participer à un projet d'apprentissage automatique, ce qui augmentera vos compétences et connaissances d'apprentissage automatique
• Vous cherchez à faire partie d'une communauté en pleine croissance
• Vous voulez apprendre l'apprentissage automatique
• Vous aimez l'apprentissage automatique TypeScript ❤️

Simplicité

MachineLearn.js fournit un ensemble d'API simple et cohérent pour interagir avec les modèles et les algorithmes. Par exemple, tous les modèles ont suivi les API:

• fit pour l'entraînement
• predict l'inférence
• toJSON pour avoir sauvé l'état du modèle
• fromJSON pour charger le modèle à partir du point de contrôle

Essai

Le test vous garantit que vous utilisez actuellement la version la plus stable de MachineLearn.js

$ npm run test

Justificatif

Donnez-nous simplement un? en cliquant sur

Contributif

Nous suivons simplement le flux de travail "Fork-and-Pull" de GitHub. Veuillez lire contribution.md pour plus de détails.

Préavis

Excellentes références qui ont aidé à construire ce projet!

• https://machinelearningmastery.com/
• https://github.com/mljs/ml
• http://scikit-learn.org/stable/documentation.html

Contributeurs

Merci à ces gens merveilleux (clé emoji):

Jason Shin ? ️	Jaivarsan ? ?	Oleg Stotsky ? ️	Ben ? ? ?	Christoph Reinothe ? ? ?	Adam King ️