machinelearnjs

machinelearn.js

Machinelearn.js เป็นไลบรารีการเรียนรู้ของเครื่องที่เขียนด้วย TypeScript มันแก้ปัญหาการเรียนรู้ของเครื่องและสอนผู้ใช้ว่าอัลกอริทึมการเรียนรู้ของเครื่องทำงานอย่างไร

การติดตั้งผู้ใช้

ใช้เส้นด้าย

$ yarn add machinelearn

ใช้ NPM

$ npm install --save machinelearn

บนเบราว์เซอร์

เราใช้ jsdeliver เพื่อแจกจ่ายเวอร์ชันเบราว์เซอร์ของ machinelearn.js

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

โปรดดู https://www.jsdelivr.com/package/npm/machinelearn สำหรับรายละเอียดเพิ่มเติม

การเร่งความเร็ว

โดยค่าเริ่มต้น machinelearning.js จะใช้ TFJS เวอร์ชันจาวาสคริปต์บริสุทธิ์ ในการเปิดใช้งานการเร่งความเร็วผ่านการเชื่อมโยง C ++ หรือ GPU คุณต้องนำเข้า machinelearn-node สำหรับ C ++ หรือ machinelearn-gpu สำหรับ GPU

1. C ++

• การติดตั้ง

yarn add machinelearn-node

• การเปิดใช้งาน

 import 'machinelearn-node' ;

2. GPU

• การติดตั้ง

yarn add machinelearn-gpu

• การเปิดใช้งาน

 import 'machinelearn-gpu' ;

ไฮไลท์

• การเรียนรู้ของเครื่องจักรในเบราว์เซอร์และ node.js
• การเรียนรู้ API สำหรับผู้ใช้
• อุปสรรคทางเข้าต่ำ

การพัฒนา

เรายินดีต้อนรับผู้มีส่วนร่วมใหม่ทุกระดับของประสบการณ์ คู่มือการพัฒนาจะถูกเพิ่มเพื่อช่วยเหลือผู้มีส่วนร่วมใหม่ในการเข้าร่วมโครงการได้อย่างง่ายดาย

• คุณต้องการมีส่วนร่วมในโครงการการเรียนรู้ของเครื่องซึ่งจะช่วยเพิ่มทักษะการเรียนรู้และความรู้ของเครื่องจักรของคุณ
• ต้องการเป็นส่วนหนึ่งของชุมชนที่กำลังเติบโต
• คุณต้องการเรียนรู้การเรียนรู้ของเครื่องจักร
• คุณชอบ TypeScript ❤การเรียนรู้ของเครื่องจักร

ความเรียบง่าย

Machinelearn.js จัดเตรียมชุด API ที่เรียบง่ายและสม่ำเสมอเพื่อโต้ตอบกับโมเดลและอัลกอริทึม ตัวอย่างเช่นทุกรุ่นได้ติดตาม API:

• fit สำหรับการฝึกอบรม
• predict
• toJSON สำหรับการบันทึกสถานะของโมเดล
• fromJSON สำหรับการโหลดโมเดลจากจุดตรวจสอบ

การทดสอบ

การทดสอบช่วยให้คุณมั่นใจได้ว่าคุณกำลังใช้ machinelearn.js รุ่นที่เสถียรที่สุด

$ npm run test

การสนับสนุน

เพียงแค่ให้เรา? โดยคลิกที่

การบริจาค

เราเพียงแค่ติดตามเวิร์กโฟลว์ "Fork-and Pull" ของ GitHub โปรดอ่านรายละเอียดเพิ่มเติม

ประกาศเพิ่มเติม

การอ้างอิงที่ยอดเยี่ยมที่ช่วยสร้างโครงการนี้!

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

ผู้มีส่วนร่วม

ขอบคุณไปที่คนที่ยอดเยี่ยมเหล่านี้ (คีย์อีโมจิ):

เจสันชิน -	Jaivarsan - -	Oleg Stotsky -	เบ็น - - -	Christoph Reinbothe - - -	อดัมคิง