Bor Framework für die Ausführung und Analyse empirischer Untersuchungen in Maschinenlernen
Jetzt downloaden

Bor Ranking & Zusammenfassung

Bor Stichworte

ausführen maschinelles Lernen empirische Untersuchung

Bor Beschreibung

Rahmen für die Ausführung und Analyse empirischer Untersuchungen in Maschinenlernen Beißgelegenheit auf Schienen (Bor) ist ein freier und offener Quellrahmen, der für die schnelle Spezifikation, Ausführung und Analyse empirischer Untersuchungen im Bereich der Maschinenlernen und der Signalverarbeitung aufgebaut ist. Bor ist in Python geschrieben und kann mit beliebten Toolkits wie dem WEKA-Framework, dem modularen Toolkit für die Datenverarbeitung und der MMLF kombiniert werden können. Bor unterstützt die massive parallele Ausführung von Benchmarking-Experiment an Gittern wie Apfel XGRID. BOR hat ein objektorientiertes Design, das Klassen für wichtige Entitäten wie Datasets, Verarbeitung und Modalität bietet.Datasets sind in sogenannten Bor-Sammlungen strukturiert. Borsammlungen sollten Daten umfassen, die aus derselben Quelle stammen, d. H. Der Prozess, der sie erzeugt hat, sollte gleich sein. Mehrere Borkollegien, die aus verschiedenen Quellen orginiert, können in ein Borbündel gebündelt werden. Ein typisches Beispiel für eine Bor-Sammlung ist ein EEG, der von einem Subjekt in einer Sitzung gemessen wird. Im Gegensatz dazu kann ein Bor-Bündel die Messungen von mehreren verschiedenen Themen oder aus verschiedenen Sitzungen enthalten. Sowohl Borsammlungen als auch Borbündel bestehen aus den tatsächlichen Daten und einigen Metadaten, die in der Datei "collection.yaml" gespeichert sind. Borsammlungen haben einen Typ, der z.B. "Zeitreihe-Kollektion" oder "Feature Vector Collection". Ein Bor-Bündel erbt die Art der Sammlungen, die es umfasst, d. H. Ein Bündel muss homogen sein, dass nur eine Art der Sammlung enthält. Die Prozession beschreibt jede Art von Berechnung, die eine Art von Daten in einen anderen umwandelt. In Bor gibt es unterschiedliche Konzeptualisierungen der Verarbeitung für verschiedene Granularstufen. Auf der mittleren Ebene ist ein Bor-Betrieb ein Prozess, der ein Bor-Bündel als Eingabe nimmt und ein zweites Borbündel als Ausgang erzeugt. Auf der höchsten Ebene ist eine BOR-Kampagne eine Reihenfolge von Boroperationen. Die Eingabe der BOR-Kampagne wird vom ersten Bor-Betrieb der Kampagne verarbeitet. Die Ausgabe eines Boroperations wirkt als Eingabe für den anschließenden Betrieb der Kampagne. Das Ausgabebündel der letzten Operation ist das Ergebnis der Kampagne.Each Bor-Operation besteht innen intern aus einem Satz von Borprozessen. Während die Vorgänge einer Kampagne abhängig und somit sequentiell verarbeitet werden, sind die Prozesse einer Operation unabhängig und können somit parallel verarbeitet werden. Die Art und Weise, wie eine Operation in Prozesse unterteilt ist, ist nicht festgelegt, beispielsweise kann ein Vorgang möglicherweise einen Prozess pro Sammlung des Eingangsbündels oder einen Prozess pro Auslauf aufweisen, der an das Eingangsbündel angelegt wird. Börste Bor-Prozesse und Boroperationen haben einen Typ. Derzeit werden die meisten Prozesse intern durch die Verwendung von Algorithmen implementiert, die im ABRI-DP / MDP oder in WEKA implementiert sind. Entsprechend gibt es einen MDP-Betrieb / MDP-Prozesstyp. Weiterhin gibt es derzeit zwei Prozesse, die auf WEKA basieren. Ein Typ ist der WEKAfilter-Prozess / -betrieb, der durch seine Eigenschaft definiert ist, um ein Bündel des Typs "Merkmalsvektor" in ein anderes Bündel desselben Typs umzuwandeln. Es kann intern eine Art Merkmalsauswahl, Normalisierung usw. anwenden. Der zweite WEKA-basierte Typ ist der WEKACLASSIFICATION-Prozess / -vorgang. Dieser Typ wird durch seine Eigenschaft, ein Bündel des Typs "Feature_Vector" in ein Bündel des Typs "result_set" umzuwandeln. Normalerweise gilt es in der Regel einen Satz von Klassifizierern zum Bündel und speichert mehrere Statistiken, die ihre Leistung (Genauigkeit, Präzision, Recall usw.) sowie einige Eigenschaften der Eingabedaten in eine Ergebnisdatei konzipieren. Darüber hinaus gibt es auch eine Analyseprozesse / Operation, die die in einem "result_set-Bündel enthaltenen Daten analysiert und einen Satz von Parzellen erzeugt, die den Effekt verschiedener Parameter auf mehrere Metriken visualisieren und auswertet. Alle Prozesse eines Bor-Betriebs müssen den gleichen Typ haben. Im Gegensatz dazu haben die Operationen einer BOR-Kampagne in der Regel unterschiedliche Typen. Die Einschränkung besteht darin, dass jeder Betrieb einer Kampagne ein von der vorhergehenden Operation erzeugtes Bündel verarbeiten kann. Anforderungen: · Java 1.5 oder höher

Bor Zugehörige Software