Stellen Sie die Modelle für maschinelles Lernen für maschinelles Lernen mit Turi Create unter Linux ein

Turi Create ist eine Python -Bibliothek, die von Apple erstellt wurde. Es handelt sich um eine Open -Source -Bibliothek, mit der die Benutzer dieses leistungsstarke Tool kostenlos nutzen können. Es enthält Implementierungen sowohl für überwachte als auch für unbeaufsichtigte Lerntechniken, die Klassifizierungsaufgaben, Regressionsaufgaben, Clustering -Algorithmen, Objekterkennungsaufgaben und mehr umfassen. Außerdem können die Benutzer benutzerdefinierte Algorithmen für maschinelles Lernen erstellen, indem die Grundlagen für maschinelles Lernen und Datenanalyse integriert werden.

Obwohl es von Apple hergestellt wurde, ist es auf allen drei Hauptplattformen verfügbar, darunter Apple, Linux und Windows, was den Nutzen in der Welt des Lernens aus reichlich vorhandenen Daten weiter erhöht. Der Hauptvorteil, den Turi erstellen, bietet seinen Benutzern über andere traditionelle maschinelle Lernen sowie analytische Bibliotheken und Frameworks, dass seine Benutzer auf die vorgefertigten und fertigen Algorithmen und Lernmodelle zugreifen können. Personen, die nicht vollständig mit komplexem maschinellem Lern- und Datenanalysekonzepten vertraut sind, können diese Bibliothek relativ leicht nutzen und ihre Aufgaben erledigen. Einer der Hauptkonkurrenten dieser Bibliothek ist Scikit Learn, das in den meisten maschinellen Lernaufgaben reichlich verwendet wird, aber etwas komplex ist, um zu lernen und implementiert zu werden.

Die wichtigste Voraussetzung, um mit Turi zu beginnen, ist das flüchtige Wissen über Python und seine Programmierfundamentaldaten. Turi Create ermöglicht es seinen Benutzern, mit verschiedenen Datenformen zu arbeiten, einschließlich der tabellarischen Daten, Textdaten, Diagramme und mehr. Durch die Anbieten der benutzerdefinierten Datentypen für Container, die einigen der am stärksten verwendeten Datentypen wie DataFrames ähneln, macht diese Bibliothek das Speicher und Verarbeitung von Daten wirklich einfach und einfach.

Es ist zu beachten, dass Turi Create in den folgenden Versionen von Python verfügbar ist: 2.7, 3.5, 3.6, 3.7 und 3.8. Es wird bearbeitet, um es für neuere Versionen zur Verfügung zu stellen.

Installationsanleitung

Um mit der Turi -Installation zu beginnen, müssen Sie zunächst sicherstellen, dass Sie eine Version von Python aus der genannten Liste früher ausführen. Wenn Sie eine ältere oder neuere Version verwenden, müssen Sie entweder ein Upgrade oder eine Downgrade in eine andere Version verwenden, um das Turi -Erstellen ausführen zu können. Andernfalls erhalten Sie den folgenden Fehler, wenn Sie versuchen, es mit einer anderen Version von Python zu installieren als die erwähnten:

Da Turi Create ein Python -Bibliothekspaket ist, kann es nur über Python Code verwendet werden. Aus diesem Grund verwenden wir, um es zu installieren, den Python -Paketmanager mit dem Namen "PIP". Sie können auch „Conda“ verwenden, um diese Bibliothek zu installieren, wenn Sie die Anaconda -Plattform für Ihre Python -Entwicklung verwenden. Für die Zwecke dieses Installationshandbuchs verwenden wir PIP.

Notiz: Es ist immer eine gute Idee, ein Paket in einer eigenen Umgebung zu installieren, damit es keinen Fehler verursacht und mit den anderen Paketen im globalen Python -Paketumfang herauskommt.

1. Führen Sie den folgenden Befehl im Terminal aus, um die Turi Create mit PIP zu installieren:

$ pip installieren Sie Turicreate

Damit sollte Turi Create mit dem PIP -Paket -Manager für Python auf Ihrem Linux -Computer heruntergeladen und installiert werden.

Benutzerhandbuch

Wie bereits erwähnt, kann Turi Create ein Python -Paket verwendet werden, es kann mit Python -Code verwendet werden. Um mit Turi Create zu arbeiten, erstellen wir eine Python -Datei (.PY) oder ein Python -Notizbuch (.ipynb).

Wir beginnen mit dem Importieren von Turi Create in unsere Arbeitsumgebung:

Turicreate als TC importieren

Nachdem wir Turi erstellen, importieren wir einen Datensatz, um daran zu arbeiten. Dies kann jeder Datensatz sein, der den Anforderungen für die Arten von Daten entspricht, mit denen Turi erstellt wird. Wir verwenden den ADNI -Datensatz für Alzheimer -Patienten. Dieser Datensatz ist ein klassisches Beispiel für die Klassifizierung für beaufsichtigte Lernaufgaben.

Data = TC.Sframe.read_csv ("./12_months_joint.CSV ")

Das SFRame -Schlüsselwort ist die Implementierung eines Datentyps, der seiner Funktionalität als Datenrahmen sehr nahe kommt. Beim Laden der Daten in einen SFRame aus einer von der Kommas getrennten Wertwertdatei werden die Daten in Form einer Tabelle mit Tabellenfunktionen als Spaltennamen und Datensätze als Zeilen gespeichert.

Wir können diese Daten nun mit der Methode „random_split“ in das Trainings- und Testen von Proben aufteilen und den Prozentsatz der Daten angeben, die wir in der Trainingsprobe benötigen.

train_data, test_data = Daten.random_split (0.8)

Nachdem die Daten in die Trainings- und Testproben verarbeitet werden.

Binary_Classifier = TC.logistic_classifier.create (train_data, target = 'cov')

Damit beginnt das Modell zu lernen und konvergiert langsam zu der optimalsten Lösung, die es finden kann. Wir können eine Zusammenfassung des Modells und des Lernens erhalten, indem wir den folgenden Befehl ausführen:

Binary_Classifier.Zusammenfassung()

Wir können das Modell, das wir vorgenommen haben, weiter fragen, um die Ausgänge der Testdaten mit dem folgenden Code -Snippet vorherzusagen:

Vorhersagen = Binary_Classifier.prognostizieren (test_data)

Wir können die vorhergesagten Werte mit den ursprünglichen Zielwerten in der test_data vergleichen, um die Leistung dieses Modells herauszufinden.

Wir können eine andere Bibliothek wie Matplotlib weiter verwenden, um die speziellen Performance -Visualisierungen wie Verwirrungsmatrizen und Diagramme zu erstellen.

Abschluss

Mit vielen komplexen Bibliotheken und Paketen für maschinelles Lernen, mit denen sie arbeiten können. Bibliotheken wie Sklearn implementieren die meisten intelligenten Algorithmen, aber sie haben eine Lernkurve, mit der die meisten Menschen nicht vertraut sind. Turi Create gewährleistet die einfache Implementierung der meisten dieser Lerntechniken ohne umfassende Lernübungen. Seine einfache algorithmische Implementierung und noch einfachere Ausführung machen es zu einer sehr einfachen Bibliothek, die es beim maschinellen Lernen und Analysen zu empfehlen kann. Für Neuanfänger und Anfänger ist diese Bibliothek die beste Lösung für alle analytischen Bedürfnisse.