ミリピー

mlpy は、GNU Scientific LibraryのNumPy / SciPy上に構築されたPythonのオープンソースの機械学習ライブラリであり、 Cython言語を広範に使用しています。mlpy は、教師ありおよび教師なしの問題に対して最先端の機械学習手法を幅広く提供し、モジュール性、保守性、再現性、使いやすさ、効率性の間で妥当な妥協点を見つけることを目的としています。mlpy はマルチプラットフォームで、Python 2 および 3 で動作し、GPL3 に基づいて配布されています。

汎用機械学習タスクに適しており、^{[1] [検証失敗] [2] [検証失敗] [3] [4] [検証失敗]} mlpyの主な応用分野はバイオインフォマティクス、つまりハイスループットオミクスデータの分析です。^[5]

• 回帰:最小二乗法、リッジ回帰、最小角回帰、弾性ネット、カーネルリッジ回帰、サポートベクターマシン(SVM)、部分最小二乗法(PLS)
• 分類:線形判別分析(LDA)、基本パーセプトロン、エラスティック ネット、ロジスティック回帰、(カーネル) サポート ベクター マシン (SVM)、対角線形判別分析 (DLDA)、Golub 分類器、Parzen ベース、(カーネル) フィッシャー判別分類器、k 最近傍、反復 RELIEF、分類ツリー、最大尤度分類器
• クラスタリング:階層的クラスタリング、メモリ節約型階層的クラスタリング、k-means
• 次元削減: (カーネル)フィッシャー判別分析(FDA)、スペクトル回帰判別分析 (SRDA)、(カーネル)主成分分析(PCA)

カーネルベースの関数は、共通のカーネル層を通じて管理されます。特に、ユーザーは、入力空間でデータを提供するか、事前計算されたカーネルを提供するかを選択できます。線形、多項式、ガウス、指数、シグモイドカーネルがデフォルトの選択肢として利用可能であり、カスタムカーネルも定義できます。多くの分類および回帰アルゴリズムには、内部特徴ランキング手順が備わっています。代わりに、mlpy は I-Relief アルゴリズムを実装します。線形分類器の再帰的特徴除去 (RFE) と KFDA-RFE アルゴリズムは、特徴選択に使用できます。特徴リスト分析 (たとえば、キャンベラ安定性指標^[6] )、データ再サンプリング、およびエラー評価の方法が、さまざまなクラスタリング分析方法 (階層的、メモリ節約階層的、k 平均法) とともに提供されます。最後に、ウェーブレット変換 (連続、離散、非デシメーション) と動的プログラミングアルゴリズム (動的時間ワーピングとそのバリアント) による縦断的データ分析専用のサブモジュールが含まれています。

• scikit-learn は、Python プログラミング言語用のオープンソースの機械学習ライブラリです。
• Infer.NET は、.NET Framework 用のオープンソースの機械学習ライブラリです。

• 公式サイト