Джубатус - Jubatus

Джубатус
Разработчики)Nippon Telegraph and Telephone & Предпочтительная инфраструктура
Стабильный выпуск
0.4.3 / 19 апреля 2013 г. (2013-04-19)
Написано вC ++
Операционная системаLinux
Типмашинное обучение
ЛицензияСтандартная общественная лицензия ограниченного применения GNU 2.1
Интернет сайтДжубат.нас/ en/

Джубатус является Открытый исходный код онлайн-машинное обучение и распределенных вычислений рамки, разработанные в Nippon Telegraph and Telephone и Предпочтительная инфраструктура. Его особенности включают классификация, рекомендация, регресс, обнаружение аномалии и анализ графов. Он поддерживает множество клиентских языков, включая C ++, Ява, Рубин и Python.Он использует смесь итеративных параметров.[1][2] для распределенного машинного обучения.

Примечательные особенности

Jubatus поддерживает:

использованная литература

  1. ^ Райан Макдональд, К. Холл и Дж. Манн, Стратегии распределенного обучения для структурированного персептрона, Североамериканская ассоциация компьютерной лингвистики (NAACL), 2010.
  2. ^ Гидеон Манн, Р. Макдональд, М. Мори, Н. Зильберман и Д. Уокер, Эффективное крупномасштабное распределенное обучение моделей с условной максимальной энтропией, Системы обработки нейронной информации (NIPS), 2009.
  3. ^ Краммер, Коби; Декель, Офер; Шалев-Шварц, Шай; Певец, Йорам (2003). Пассивно-агрессивные онлайн-алгоритмы. Труды шестнадцатой ежегодной конференции по системам обработки нейронной информации (NIPS).
  4. ^ Коби Краммер и Йорам Сингер. Ультраконсервативные онлайн-алгоритмы для мультиклассовых задач. Журнал исследований машинного обучения, 2003 г.
  5. ^ Коби Краммер, Офер Декель, Джозеф Кешет, Шай Шалев-Шварц, Йорам Сингер, Интернет-пассивно-агрессивные алгоритмы. Журнал исследований машинного обучения, 2006 г.
  6. ^ Марк Дредзе, Коби Краммер и Фернандо Перейра, Линейная классификация, взвешенная по достоверности, Труды 25-й Международной конференции по машинному обучению (ICML), 2008 г.
  7. ^ Коби Краммер, Марк Дредзе и Фернандо Перейра, Exact Convex Confidence-Weighted Learning, Proceedings of the Twenty Second Annual Conference on Neural Information Processing Systems (NIPS), 2008
  8. ^ Коби Краммер, Марк Дредзе и Алекс Кулеша, Многоклассовые алгоритмы, взвешенные по достоверности, эмпирические методы обработки естественного языка (EMNLP), 2009 г.
  9. ^ Коби Краммер, Алекс Кулеша и Марк Дредзе, Адаптивная регуляризация векторов веса, достижения в системах обработки нейронной информации, 2009 г.
  10. ^ Коби Краммер и Дэниел Д. Ли, Обучение через гауссовское стадо, Системы обработки нейронной информации (NIPS), 2010.