MLlib公司

MLlib:apachespark中的机器学习。apachespark是一个流行的用于大规模数据处理的开源平台,非常适合于迭代的机器学习任务。本文介绍了Spark的开源分布式机器学习库MLlib。MLlib为广泛的学习设置提供了有效的功能,包括一些基本的统计、优化和线性代数原语。MLlib与Spark一起提供了多种语言,并提供了一个高级API,该API利用Spark丰富的生态系统来简化端到端机器学习管道的开发。MLlib经历了一个快速的增长,因为它有超过140个贡献者的活跃的开源社区,并且包含了大量的文档来支持进一步的增长,并让用户快速跟上速度。


zbMATH中的参考文献(参考文献22条,1标准件)

显示第1到第20个结果,共22个。
按年份排序(引用)
  1. 阿尼尔,罗宾;卡潘,戈汗;德洛斯特·弗洛姆,伊莎贝尔;邓宁,特德;弗里德曼,艾伦;格兰特,特雷弗;奎恩,香农;兰扬,帕里托什;谢尔特,塞巴斯蒂安;是的ı伊玛泽尔,Özg公司ür: apachemahout:分布式数据流系统上的机器学习(2020)
  2. 大卫B。Dahl:使用rscala集成R和Scala(2020)不是zbMATH
  3. 陆海浩;Mazumder,Rahul:随机梯度提升机(2020)
  4. 萨利希,阿巴斯;Masoumi,Behrooz:KATZ中心性与基于生物地理学的影响最大化问题优化(2020)
  5. 瑞西,马齐亚尔;巴贝,黑森;Karniadakis,George Em:大数据的参数高斯过程回归(2019)
  6. 罗伊,阿西姆;石板库雷什;潘德,卡蒂凯亚;奈尔,迪维莎;盖罗拉,卡提克;贾恩,波亚;辛格,苏拉杰;夏尔玛,基蒂;亚甲代,亚克谢;林毅阳;沙玛,沙尚克;哥蒂,拉姆亚;张月欣;唐、季;梅塔,特哈斯;辛达努鲁,赫曼特;奥卡福,诺索;达斯、桑塔克;戈帕尔,奇丹巴拉。;Rudraraju,斯里尼瓦萨B。;Kakarlapudi,Avinash V.:机器学习平台的性能比较(2019)
  7. 查马尔迪诺,约安尼斯;博尔布达基斯,乔戈斯;卡索格里塔基斯,帕夫洛斯;普拉提卡基斯,多维奥斯;Christophides,Vassilis:高维大数据的贪婪特征选择算法(2019)
  8. 小林;于亚当斯·魏;林启航;陈伟珠:DSCOVR:异步分布优化的随机原始-双块坐标算法(2019)
  9. 于洪;陈云;灵歌,帕万;王国银:大规模数据的三向聚类集成方法(2019)
  10. 古迪瓦达,文卡特N。;Arbabifard,Kamyar:NLP的开源库、应用程序框架和工作流系统(2018)
  11. 库尔德ík、 帕维尔;Č厄恩ý, 简;法国ý爸爸,汤姆áš: 发现迁移学习和元学习的预测组合(2018)
  12. 佩鲁奇,毛罗;普赛拉,朱塞佩;Toccu,Maurizio:Hadoop vs.Spark:对开放数据语料库Hammer查询引擎性能的影响(2018)
  13. 史密斯,弗吉尼亚州;福特,西蒙妮;马,陈欣;塔克áč, 马丁;乔丹,迈克尔一世。;Jaggi,Martin:CoCoA:通信高效分布式优化的通用框架(2018)
  14. Andrea Esuli,Tiziano Fagni,Alejandro Moreo Fernandez:JaTeCS开源JAva文本分类系统(2017)阿尔十四
  15. 戴维德,巴丘;卡塔,安东尼奥;涅西,斯特凡尼亚;Semini,Laura:在智能交通系统中使用机器学习进行短期预测的经验(2017)
  16. 穆罕默德·盖斯穆恩;阿扎格,哈尼;本伯努,萨利玛;利巴,穆斯塔法;Duong,Tarn;Ouziri,Mourad:大数据:从收集到可视化(2017)
  17. 卡纳沃斯,安德烈亚斯;诺达拉基斯,尼古拉斯;苏塔斯,斯皮罗斯;Tsakalidis,Athanasios;特波利斯,迪米特里奥斯;Tzimas,Giannis:Twitter情感分类的大规模实现(2017)
  18. 马塞戈萨,安德烈és R。;马丁内斯,安娜·M。;兰塞斯,海尔格;尼尔森,托马斯D。;萨尔默ón、 安东尼奥;拉莫斯-Ló佩兹,达尔ío;Madsen,Anders L.:使用分布式计算集群扩展贝叶斯变分推理(2017)
  19. Ralf Mikut、Andreas Bartschat、Wolfgang Doneit、Jorge Angel Gonzalez Ordiano、Benjamin Schott、Johannes Stegmaier、Simon Waczowicz、Markus Reischl:MATLAB工具箱SciXMiner:用户手册和程序员指南(2017)阿尔十四
  20. 伊文,M。A、 。;恩,B。W、 :大型网络聚集数据分析的分布式增量奇异值分解算法(2016)