C # में मशीन लर्निंग लाइब्रेरी [बंद]

Question

क्या कोई मशीन लर्निंग लाइब्रेरी C # में हैं? मैं WEKA की तरह कुछ के बाद कर रहा हूँ । धन्यवाद।

Comments

मैं असहमत हूं कि यह रचनात्मक सवाल नहीं है। मुझे लगता है कि स्वचालित परिणामों से अधिक उपयोगकर्ता-क्यूरेट लाइब्रेरी सुझावों का एक सेट होना बहुत उपयोगी है, जो एक Google खोज चालू करता है। मैं यह नहीं देखता कि लाइब्रेरी के सुझाव "तथ्यों, संदर्भों और विशिष्ट विशेषज्ञता" के साथ क्यों नहीं हो सकते हैं जैसा कि बंद नोटों में वर्णित है।

— इस्माइल डेगानी

@IsmailDegani क्या आप फिर से खोलने के लिए वोट कर सकते हैं?

— जेम्स को

फ्रेमवर्क के लिए किसी की तलाश: नीचे दिए गए उत्तर दिनांकित हैं क्योंकि प्रश्न लॉक है। एक लोकप्रिय, ओपन-सोर्स C # मशीन लर्निंग फ्रेमवर्क है जिसे Accord.NET कहा जाता है और यहाँ इसका वेबपेज है: accord-framework.net

— James Ko

ML.NET एक ऐसा स्थान है जहाँ Microsoft बहुत निवेश कर रहा है। मैंने यह 1 घंटे का वीडियो बनाया है जो आपको C # youtube.com/watch?v=83LMXWmzRDM

— शिवप्रसाद कोईराला

इसके अलावा scisharpstack.org देखें , पायथन से C #

— हेनन

Answer 1

की जाँच करें इस भयानक सूची GitHub पर। सूचीबद्ध रूपरेखाओं में से, Accord.NET ओपन-सोर्स है और 2,000 से अधिक सितारों के साथ सबसे लोकप्रिय है।

इसके अलावा, Microsoft द्वारा प्रदान की गई .NET के लिए आधिकारिक मशीन लर्निंग लाइब्रेरी देखें : https://github.com/dotnet/machinelearning

---

पुराना

कोडप्रोजेक्ट पर AForge.net नामक एक न्यूरल नेटवर्क लाइब्रेरी है । ( Google कोड में होस्ट किया गया कोड ) (इसके अलावा AForge होमपेज की जांच करें - मुखपृष्ठ के अनुसार, नया संस्करण अब आनुवंशिक एल्गोरिदम और मशीन सीखने का भी समर्थन करता है। ऐसा लगता है कि यह बहुत प्रगति कर रहा है क्योंकि मैंने आखिरी बार इसके साथ खेला था)

मुझे नहीं पता कि यह WEKA की तरह कुछ भी है क्योंकि मैंने कभी इसका इस्तेमाल नहीं किया है।

(इसके उपयोग पर एक लेख भी है )

Comments

बुरा नहीं है, हालांकि कम से कम किसी के लिए यह वास्तव में एक अच्छा विकल्प नहीं है कि विषय से परिचित नहीं है। वे अपने रूपों के लिए आंशिक कक्षाओं का उपयोग नहीं करते हैं (यह उनके नमूनों के पीछे कोड को पढ़ने के लिए कठिन बनाता है), और मैं इसके लिए सभ्य दस्तावेज नहीं ढूंढ सकता।

— RCIX 10

@ रीक्स: मैं मानता हूं कि यह बिल्कुल सरल नहीं है, आपको वास्तव में तंत्रिका नेटवर्क और उनके पीछे के गणित को समझने की जरूरत है। यह निश्चित रूप से एनएन को पढ़ाने के लिए नहीं बनाया गया है, बल्कि उन्हें लागू करने के लिए जब आप जानते हैं कि आप क्या कर रहे हैं। डॉक्स यहां हैं - aforgenet.com/framework/docs , लेकिन हां, वे थोड़े विरल दिखते हैं। व्यक्तिगत रूप से, मैंने कई वर्षों तक इसका उपयोग नहीं किया है, और ऐसा लगता है कि यह तब से बहुत जोड़ा गया है, इसलिए यह शायद जटिलता में उगाया जाता है।

— साइमन पी स्टीवंस

AForge को अब github.com/accord-net/framework

— Nikolay Kostov

Answer 2

आप वीका का उपयोग C # के साथ भी कर सकते हैं । इस ट्यूटोरियल में IKVM का उपयोग करने के लिए सबसे अच्छा समाधान है , हालांकि आप ब्रिजिंग सॉफ्टवेयर का भी उपयोग कर सकते हैं।

Comments

आप किस "ब्रिजिंग सॉफ़्टवेयर" के बारे में बात कर रहे हैं? कौन सा?

— 15

Answer 3

वेक का उपयोग C # से बहुत आसानी से किया जा सकता है जैसा कि शेन ने कहा, IKVM और कुछ 'गोंद कोड' का उपयोग करके। Weka पृष्ठ पर ट्यूटोरियल को Weka का '.Net संस्करण' बनाने के लिए फॉलो करें, फिर आप निम्नलिखित परीक्षण चलाने की कोशिश कर सकते हैं:

[Fact]
public void BuildAndClassify()
{
  var classifier = BuildClassifier();
  AssertCanClassify(classifier);
}

[Fact]
public void DeserializeAndClassify()
{
  BuildClassifier().Serialize("test.weka");
  var classifier = Classifier.Deserialize<LinearRegression>("test.weka");
  AssertCanClassify(classifier);
}

private static void AssertCanClassify(LinearRegression classifier)
{
  var result = classifier.Classify(-402, -1);
  Assert.InRange(result, 255.8d, 255.9d);
}

private static LinearRegression BuildClassifier()
{
  var trainingSet = new TrainingSet("attribute1", "attribute2", "class")
    .AddExample(-173, 3, -31)
    .AddExample(-901, 1, 807)
    .AddExample(-901, 1, 807)
    .AddExample(-94, -2, -86);

  return Classifier.Build<LinearRegression>(trainingSet);
}

पहला परीक्षण दिखाता है कि आप एक क्लासिफायर का निर्माण कैसे करते हैं और इसके साथ एक नया उदाहरण वर्गीकृत करते हैं, दूसरा एक दिखाता है कि आप एक उदाहरण को वर्गीकृत करने के लिए फ़ाइल से एक निरंतर क्लासिफायर का उपयोग कैसे कर सकते हैं। यदि आपको असतत विशेषताओं का समर्थन करने की आवश्यकता है, तो कुछ संशोधन आवश्यक होंगे। उपरोक्त कोड 2 सहायक वर्गों का उपयोग करता है:

public class TrainingSet
{
    private readonly List<string> _attributes = new List<string>();
    private readonly List<List<object>> _examples = new List<List<object>>();

    public TrainingSet(params string[] attributes)
    {
      _attributes.AddRange(attributes);
    }

    public int AttributesCount
    {
      get { return _attributes.Count; }
    }

    public int ExamplesCount
    {
      get { return _examples.Count; }
    }

    public TrainingSet AddExample(params object[] example)
    {
      if (example.Length != _attributes.Count)
      {
        throw new InvalidOperationException(
          String.Format("Invalid number of elements in example. Should be {0}, was {1}.", _attributes.Count,
            _examples.Count));
      }


      _examples.Add(new List<object>(example));

      return this;
    }

    public static implicit operator Instances(TrainingSet trainingSet)
    {
      var attributes = trainingSet._attributes.Select(x => new Attribute(x)).ToArray();
      var featureVector = new FastVector(trainingSet.AttributesCount);

      foreach (var attribute in attributes)
      {
        featureVector.addElement(attribute);
      }

      var instances = new Instances("Rel", featureVector, trainingSet.ExamplesCount);
      instances.setClassIndex(trainingSet.AttributesCount - 1);

      foreach (var example in trainingSet._examples)
      {
        var instance = new Instance(trainingSet.AttributesCount);

        for (var i = 0; i < example.Count; i++)
        {
          instance.setValue(attributes[i], Convert.ToDouble(example[i]));
        }

        instances.add(instance);
      }

      return instances;
    }
}

public static class Classifier
{
    public static TClassifier Build<TClassifier>(TrainingSet trainingSet)
      where TClassifier : weka.classifiers.Classifier, new()
    {
      var classifier = new TClassifier();
      classifier.buildClassifier(trainingSet);
      return classifier;
    }

    public static TClassifier Deserialize<TClassifier>(string filename)
    {
      return (TClassifier)SerializationHelper.read(filename);
    }

    public static void Serialize(this weka.classifiers.Classifier classifier, string filename)
    {
      SerializationHelper.write(filename, classifier);
    }

    public static double Classify(this weka.classifiers.Classifier classifier, params object[] example)
    {
      // instance lenght + 1, because class variable is not included in example
      var instance = new Instance(example.Length + 1);

      for (int i = 0; i < example.Length; i++)
      {
        instance.setValue(i, Convert.ToDouble(example[i]));
      }

      return classifier.classifyInstance(instance);
    }
}

Answer 4

मैंने C # में एक ML लाइब्रेरी बनाई है जिसे आम POCO ऑब्जेक्ट्स के साथ काम करने के लिए डिज़ाइन किया गया है।

Answer 5

एनकॉग नामक एक परियोजना भी है जिसमें सी # कोड है। यह जेफ हेटन, "परिचय टू न्यूरल नेटवर्क" पुस्तक के लेखक द्वारा कुछ समय पहले खरीदा गया था। कोडबेस Git यहां है: https://github.com/encog/encog-dotnet-core

Answer 6

मैं .NET के लिए मशीन लर्निंग लाइब्रेरी खोज रहा हूँ और Microsoft रिसर्च से Infer.NET को nuget.org/machine-l.org पर पाया है :

• Infer.NET