For investors
股价:
5.36 美元 %For investors
股价:
5.36 美元 %认真做教育 专心促就业
使用工具是每一位软件开发程序员在学习编程技术的时候需要重点掌握的一个编程开发能力,下面我们就通过案例分析来了解一下,机器学习工具常见类型都有哪些。
1.Splunk
Splunk的原始版本初是作为一种工具,通过现代Web应用程序创建的大量日志文件进行搜索或“窥探”。它已经发展成为可以分析所有形式的数据,特别是时间序列和其他按顺序生成的数据。该工具将结果显示在具有复杂可视化例程的仪表板中。
2.DataRobot
DataRobot内部的堆栈是一些用R、Python或其他几个平台编写的开源机器库的集合。用户将只处理一个Web界面,该界面显示用于设置管道的类似流程图的工具。DataRobot连接到主要数据源,其中包括本地数据库、云数据存储和下载的文件或电子表格。用户构建的管道可以清理数据,填充缺失值,然后生成标记异常值,并预测未来值的模型。
3.H2O
H2O喜欢用“无驱动的人工智能”来描述其探索各种机器学习解决方案的自动化堆栈。它将数据源(数据库、Hadoop、Spark等)联系在一起,并将它们输入到具有广泛参数的各种算法中。用户可以控制用于该问题的时间和计算资源,并测试各种参数组合,直到完成预算。其结果可以通过仪表板或Jupyter笔记本进行浏览和审核。
4.RapidMiner
RapidMiner生态系统的核心是一个用于从可视图标创建数据分析的工作室。它将清理用户的数据,然后通过各种统计算法运行它。如果用户想使用机器学习而不是更传统的数据科学,自动模型将从多种分类算法中进行选择,并搜索各种参数,直到找到合适的匹配。该工具的目标是生成数百个模型,然后确定优质模型。
5.BigML
BigML仪表板提供了数据科学的基本工具,用于识别可以构成机器学习更复杂工作基础的相关性。例如,他们的深度网络提供了用于测试和优化更精细的神经网络的复杂机制。可以将模型的质量与其他算法进行比较,并使用标准化的比较框架,帮助用户在数据科学和更复杂的机器学习之间进行选择。
6.RStudio
对于非程序员来说,R并不是一种容易使用的语言,但它仍然是进行复杂统计分析的基本工具之一,因为它深受核心数据科学家的欢迎。RStudio是一个工具,为用户提供一组菜单和点击选项,使其更容易与深入内部运行的R层进行交互。
【免责声明】本文系本网编辑部分转载,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与管理员联系,我们会予以更改或删除相关文章,以保证您的权益!更多内容请加danei0707学习了解。欢迎关注“达内在线”参与分销,赚更多好礼。