mlrose是用于实现大量机器学习,随机优化和SEarch算法的Python包。
Website:
https://mlrose.readthedocs.io/
Github项目地址:
https://github.com/gkhayes/mlrose
mlrose是一个Python包,可以将一些最常见的随机优化和搜索算法应用于离散和连续值参数空间中的一系列不同的优化问题。
mlrose最初是为了支持佐治亚理工学院(Georgia Tech)OMSCS/OMSA提供的《CS 7641:机器学习》课程而开发的。
它包括本课程中所教授的所有随机优化算法的实现,以及将这些算法应用于整数字符串优化问题的功能,例如N-Queens和背包问题;连续值优化问题,如神经网络权重问题;以及巡回优化问题,例如旅行推销员问题(行商问题/最短路径问题)。 它还具有解决用户自定义的优化问题的灵活性。
在开发时,还没有一个单独的Python包可以将所有这些功能集中在一个位置。
mlrose是用Python 3编写的,使用环境需要:NumPy,SciPy和Scikit-Learn(sklearn)。
最新发行的版本可以在Python包索引中找到,可以使用pip安装:
pip install mlrose
官方mlrose文档可参阅这里。
此处还提供了包含文档中使用示例的Jupyter笔记本。
mlrose由Genevieve Hayes编写,并根据3-Clause BSD许可证分发。
你可以在研究方面的出版物和报告中按以下格式引用mlrose:
BibTeX条目:
@misc{Hayes19,
author = {Hayes, G},
title = {{mlrose: Machine Learning, Randomized Optimization and SEarch package for Python}},
year = 2019,
howpublished = {\url{https://github.com/gkhayes/mlrose}},
note = {Accessed: day month year}
}