मेरे लिए, सबसे महत्वपूर्ण बात यह है कि "क्या इस टूलकिट में एल्गोरिदम या सुविधा है जिसे मैं आजमा देना चाहता हूं?" चूंकि ये टूलकिट सुविधाओं का एक बिल्कुल विविध सेट प्रदान करते हैं, आपको सबसे पहले इसे कम करने की कोशिश करनी चाहिए कि आप क्या करना चाहते हैं।
तो, उदाहरण के लिए, यदि आपके पास विभिन्न विकासवादी अनुकूलन एल्गोरिदम को आजमाने की ज्वलंत इच्छा है तो मैं Shark जैसे कुछ के साथ जाऊंगा।
दूसरी तरफ, मैं अपने अधिकांश कामों के लिए dlib पसंद करता हूं, लेकिन इसका मतलब यह नहीं है कि मैंने इसे लिखा है :) हालांकि, यदि आप बाइनरी वर्गीकरण में रुचि रखते हैं तो मुझे अपने वर्तमान पसंदीदा का सुझाव दें उस के लिए विधि, svm_c_ekm_trainer। मैं अक्सर इसका उपयोग सैकड़ों हजारों अंकों के डेटासेट पर गैर-रैखिक एसवीएम को प्रशिक्षित करने के लिए करता हूं। यह आमतौर पर कुछ मिनट (या कभी-कभी सेकंड भी) में चलता है जबकि क्लासिक एसएमओ एल्गोरिदम में इसे समाप्त होने में घंटे या दिन लगते हैं।
इसी तरह के प्रश्न के कुछ अच्छे जवाब भी बहुत पहले नहीं पूछा गया था: Which machine learning library to use।
स्रोत
2010-07-02 21:20:53
आपको http://code.google.com/p/eureqa-api/ में रुचि भी हो सकती है जो – Inverse
उच्च प्रदर्शन समीकरण खोज करता है * जो * आप जिस मॉडल को सीखना चाहते हैं उस पर निर्भर करता है। सीआरएफ? SVM? HMM? – bmargulies
वीका ** अविश्वसनीय रूप से धीमा ** है। –