MLDemos 是一种用于机器学习算法的开源可视化工具,用于帮助研究和理解多个算法如何运作以及它们的参数如何影响和修改分类,回归,聚类,降维,动态系统和强化学习(奖励最大化)等问题的结果。
MLDemos 是开源的,可供个人和学术用途免费使用。
由 Basilio Noris 博士在 学习算法和系统实验室创建,该计划的开发得到了以下实体,组织和团体的支持和支持。
最低要求:XP SP3
最低要求:Snow Leopard
最低要求:内核 2.6.X 感谢 Philip Guo(网站)
这些包包含许多开源库的二进制版本。我将它们包括在这里,并且知道这可能与每个相应库的分发策略不完全兼容。我将尝试联系并从相关方获得必要的许可,在可能的范围内。与此同时,我真诚地分发这个软件,我的目标是让人们能够学习和使用这里实现的不同方法。请参阅下面的确认部分,了解贡献人员的列表。
你可以将此软件用于个人和教育目的,你不得将其用于商业目的。只要你提供此页面的链接,就可以重新分发软件。然后,此页面将始终链接到最新版本的软件,因此你最好还是在这里使用该版本。
MLDemos 源代码可以直接通过 git 或公共仓库获取(获取最新版本的 devel 分支)
git clone git://gitorious.org/mldemos/mldemos.git -b devel
source_backup (0.3.0)
必要条件
该代码需要 Qt(5.10)和(部分)OpenCV(3.1)和 Boost(1.47)。这些库的早期版本可能也可以正常工作,但你也可以使用较新的版本。请务必调整 include 和 lib 路径以将它们指向正确的目录。
该软件使用 QtCreator 2.1 和 2.6 在 Mac OSX High Sierra,Windows 10,Gentoo,Ubuntu 和 Kubuntu 10.04 上进行编译和测试。
为了在 Windows 中编译 MLDemos,你需要 MinGW(通常安装 QGSDK 自带 MinGW)
Barak A. Pearlmutter 教授创建了一个 debian 软件包,很快就会推出。同时你可以建立它下面的说明:
git clone git://github.com/barak/mldemos.git
cd mldemos
git checkout debian
dpkg-checkbuilddeps
fakeroot debian/rules binary
sudo dpkg --install ../mldemos_*.deb
注意:OpenCV 2.4 不能直接使用(仅 2.1),这将要求你构建 OpenCV2.4。这只是使用 MLP 和 Boosting 所必需的。这是两个重要的算法,所以你最好努力一下:
git clone git://github.com/barak/opencv.git
cd opencv
git checkout master
dpkg-checkbuilddeps
fakeroot debian/rules binary
sudo dpkg --install ../*opencv*.deb
再次,非常感谢 Barak !
** 已知 bug**
新功能
v0.5.0
新的可视化和数据集功能
新的算法和方法
MLDemos 图形用户界面
MLDemos 图形用户界面
不同的可视化和参数效果
不同的可视化和参数效果
样本图,密度和相关性的可视化
样本图,密度和相关性的可视化
SVM + RBF 分类
SVM + RBF 分类
稀疏高斯过程回归
稀疏高斯过程回归
具有避障功能的动力系统(SEDS)
具有避障功能的动力系统(SEDS)
核 PCA 等值线
核 PCA 等值线
基于遗传算法的强化学习(奖励最大化)
基于遗传算法的强化学习(奖励最大化
用 RBF 核支持向量回归
用 RBF 核支持向量回归
基于 RBF 核的相关向量机分类
基于 RBF 核的相关向量机分类
随机圈弱学习器的提升
随机圈弱学习器的提升
具有 RBF 内核的多类 SVM
具有 RBF 内核的多类 SVM
用高斯混合模型聚类
用高斯混合模型聚类
越来越多的分层自组织地图
越来越多的分层自组织地图
如果你正在开发一种适合 MLDemos 框架的新算法,并希望将其集成到软件中,请与我们联系(参见下面的信息)并描述实现 MLDemos 插件所需的帮助类型。
如果许多人没有投入大量精力来实现这里组合成单个程序的不同算法,那么该程序将不存在。
还要感谢那些没有贡献代码但直接贡献的人:Aude Billard,作为人们所希望的最佳老板之一,FrançoisFleuret,进行了一系列富有成果的讨论,以及 AML 2010 和 2011 年的课程耐心地给它第一次试驾。
启动该软件 通过单击鼠标左键或右键来绘制样本。 单击鼠标左键可生成 0 级样本 右键单击生成工具栏中所选类的样本(默认值:1) 选择 “显示选项” 图标 这将允许你显示模型信息,置信度 / 似然图并隐藏原始样本 鼠标滚轮将允许你放大和缩小 alt + 拖动将允许你平移空间
导入数据
在 MLDemos 中生成数据有三种不同的方式:手动绘制样本,通过 PCA(通过 PCAFaces 插件)投影图像数据,或通过加载外部数据。 可以将逗号分隔值或其他基于文本文件的值表拖放到界面中。在这种情况下,将出现 “数据加载” 对话框,允许选择应加载哪些列或行,解释为类标签或标题等。
或者,软件使用的本机数据格式是基于 ascii 的,包含:
一个简单的例子是
4 3
0.10 0.11 0.12 0 0
0.14 0.91 0.11 0 0
0.43 0.74 0.41 1 0
0.28 0.34 0.33 1 0
它提供 4 个三维样本,两个来自类别 0,1 个来自类别 1 。(原文有问题吧?)
文件保存时从 MLDemos,该软件添加了当前的算法参数(假设选择了算法),这可用于演示目的。如果不存在此类信息,则选择默认算法参数。
手动绘制一些样本,或导入标准数据集并从 MLDemos 中保存它应该为你提供有关文件语法的大量示例。