标签：Java 特征选择 聚类 引擎 可视化 Smile smile 序列化
资源
https://haifengl.github.io/
https://github.com/haifengl/smile
介绍
Smile（统计机器智能和学习引擎）是一个基于Java和Scala的快速、全面的机器学习、NLP、线性代数、图形、插值和可视化系统。
凭借先进的数据结构和算法，Smile提供了最先进的性能。Smile有很好的文档记录，请查看项目网站以获取编程指南和更多信息。
Smile涵盖了机器学习的各个方面，包括分类、回归、聚类、关联规则挖掘、特征选择、流形学习、多维缩放、遗传算法、缺失值插补、高效最近邻搜索等。
Smile实现了以下主要的机器学习算法：
- 分类：支持向量机、决策树、AdaBoost、梯度提升、随机森林、逻辑回归、神经网络、RBF网络、最大熵分类器、KNN、朴素贝叶斯、Fisher/线性/二次/正则判别分析。
- 回归：支持向量回归、高斯过程、回归树、梯度提升、随机森林、RBF网络、OLS、套索、弹性网络、岭回归。
- 特征选择：基于遗传算法的特征选择，基于集成学习的特征选择、树形图、信噪比和平方比。
- 聚类：BIRCH、CLARANS、DBSCAN、DENCLUE、确定性退火、K-均值、X-均值、G-均值、神经气体、生长神经气体、层次聚类、顺序信息瓶颈、自组织映射、光谱聚类、最小熵聚类。
- 关联规则和频繁项集挖掘：FP增长挖掘算法。
- 流形学习：IsoMap、LLE、拉普拉斯特征映射、t-SNE、UMAP、PCA、核PCA、概率PCA、GHA、随机投影、ICA。
- 多维标度：经典MDS、等渗MDS和Sammon映射。
- 最近邻搜索：BK树、覆盖树、KD树、SimHash、LSH。
- 序列学习：隐马尔可夫模型，条件随机场。
- 自然语言处理：分句器和标记器、双元统计测试、短语提取器、关键词提取器、词干分析器、词性标注、相关性排序
使用（Java等集成）
maven引入
<dependency>
<groupId>com.github.haifengl</groupId>
<artifactId>smile-core</artifactId>
<version>2.6.0</version>
</dependency>
Shell使用
模型序列化
大多数模型支持Java可序列化接口（所有分类器都支持可序列化接口），因此您可以在Spark中使用它们。
对于在非Java代码中读/写模型，我们建议使用XStream以串行化训练的模型。XStream是一个简单的库，用于将对象序列化为XML并再次序列化。XStream易于使用，不需要映射（实际上不需要修改对象）。Protostuff是一个很好的替代方案，它支持向前向后兼容性（模式演化）和验证。除了XML之外，Protostuff还支持许多其他格式，如JSON、YAML、protobuf等。
可视化
Smile提供了一个基于Swing的数据可视化库SmilePlot，它提供散点图、线图、阶梯图、条形图、方框图、直方图、3D直方图、树状图、热图、hexmap、QQ图、等高线图、曲面和线框。
需要引入库
<dependency>
<groupId>com.github.haifengl</groupId>
<artifactId>smile-plot</artifactId>
<version>2.6.0</version>
</dependency>
Smile还支持声明方式的数据可视化。使用mile.plot.vega软件包，我们可以创建一个规范，将可视化描述为从数据到图形标记（如点或条）属性的映射。
该规范基于Vega-Lite。Vega-Lite编译器自动生成可视化组件，包括轴、图例和比例。然后，它根据一组精心设计的规则确定这些组件的属性。
示例
标签：Java,特征选择,聚类,引擎,可视化,Smile,smile,序列化 来源： https://www.cnblogs.com/mahongbiao/p/16642766.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。