VFML

VFML-一个用于挖掘高速时变数据流的工具包。欢迎使用VFML(Very Fast Machine Learning)工具包,用于挖掘高速数据流和非常大的数据集。VFML由三个主要组件组成。第一个是帮助用户开发新的学习算法的工具和api的集合。第二个组件是重要学习算法的实现集合。第三个组件是由Pedro Domingos和Geoff Hulten开发的可伸缩学习算法的集合(在其他几个人的帮助下see Thanks)。VFML是用标准C语言(和一些Python语言)编写的,它提供了一系列教程和示例,以及大量JavaDoc格式的源文档。VFML是在经过修改的BSD许可证下分发的。VFML提供了帮助读取和处理训练数据的代码,从中收集足够的统计信息,用于几个重要的机器学习结构的adt,以及各种辅助代码。通过访问文档的核心API和实用程序API部分,您可以获得对所提供内容的概述。VFML包含一系列处理数据集的工具:清理数据集、采样数据集、将数据集拆分为训练集/测试集。它也有一些工具可以帮助你实验学习算法。有关详细信息,请参阅其他工具文档标题。VFML包含用于学习决策树、学习结构信念网(又称Bayesian网络)和聚类的工具。这些代码中的大部分都很容易修改或扩展(例如,其他几位研究人员已经从bnlearn程序中受益),而且大部分代码可以扩展到从非常大的数据集或数据流中学习。您可以通过查看“学习计划”部分了解所有学习者。


zbMATH参考文献(参考 6篇文章 参考)

显示结果1到6,共6个。
按年份排序(引用)

  1. Osojnik,Aljaž;Panov,Panče;Džeroski,Sašo:通过数据流的多目标回归进行多标签分类(2017)
  2. Sancho Asensio,Andreu;Orriols Puig,Albert;Golobardes,Elisabet:用于数据流分类任务的鲁棒在线神经学习分类器系统(2014)ioport公司
  3. 佩雷加缪斯(Perejo Gamira),学习算法(Pedragamo,2013年;佩雷加缪斯)
  4. Shaker,Ammar;Senge,Robin;Hüllermeier,Eyke:用于数据流二进制分类的进化模糊模式树(2013)ioport公司
  5. Yang,Hang;Fong,Simon:数据流挖掘中构建决策树的增量优化机制(2013)ioport公司
  6. Ikonomovska,Elena;Gama,João;Dèeroski,Sašo:从不断变化的数据流中学习模型树(2011)