YCML 特性 介绍
YCML 是使用 Objective-C 编写的机器学习框架，也支持 Swift。
当前提供以下算法：
-
Gradient Descent Backpropagation [1]
-
Resilient Backpropagation (RProp) [2]
-
Extreme Learning Machines (ELM) [3]
-
Forward Selection using Orthogonal Least Squares (for RBF Net) [4, 5]
-
Forward Selection using Orthogonal Least Squares with the PRESS statistic [6]
在适用的情况下，实现了常规版本的算法。
YCML 同时包括一些优化算法，用来得到预测模型，可以用于以下算法：
-
Gradient Descent (Single-Objective, Unconstrained)
-
RProp Gradient Descent (Single-Objective, Unconstrained)
-
NSGA-II (Multi-Objective, Constrained) [7]
特性
-
嵌入式模型输入/输出标准化设施
-
通用监督学习基类，适用于各种算法
-
强大和模块化的 Backprop 类
-
强大的 Dataframe 类
-
为单个或者多个对象问题进行单独优化
-
用于优化的代理类
YCML 特性 官网
https://github.com/yconst/YCML
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。
