IDL 8.7.1 于 2018 年 9 月正式发布。新增了 机器学习 框架（ IDL Machine Learning ）、程序包管理者（ IDL Package Manager ）。新增了 CW_COLORGRADIENT 和 DIALOG_COLORGRADIENT 函数，更加方便添加自定义调色板。此外还带来了一些更新功能，比如 ARRAY_EQUAL 函数新增关键字、 IDLTask 更新、 JSON_PARSE 解析效率极大提升等，以及一些库版本的更新。
1 新功能
1.1 IDL Machine Learning （机器学习）
IDL 8.7.1 新增了 机器学习 框架—— IDL Machine Learning framework 。
IDL 机器学习框架提供了一种强大而灵活的方式，能够将机器学习程序用于处理数字数据（ numerical data ）。 可以创建和训练模型并将其应用于分类、聚类或回归等分析。例如：
IDLmlAutoEncoder —— 实现自动编码器模型，可用于聚类；
IDLmlFeedForwardNeuralNetwork ——实现神经网络（ Neural Network ）模型，可用于分类；
IDLmlKMeans ——实现 K-Means 模型，可用于聚类；
IDLmlSoftmax ——实现 Softmax 模型，可用于分类；
IDLmlSupportVectorMachineClassification ——实现支持向量机（ Support Vector Machine ）模型，可用于分类；
IDLmlSupportVectorMachineRegression ——实现支持向量机（ Support Vector Machine）模型，可用于聚类；
可查看 IDL 8.7.1 帮助中的 IDL > Routines (by topic) > Machine Learning 章节，获取完整函数和类列表。
访问 The IDL Machine Learning Framework 获取更多细节和快速上手教程 。
1.2 IDL Package Manager（程序包管理器）
IDL 8.7.1 新增了程序包管理器（ IDL Package Manager ， IPM ）。 IPM 提供创建、安装、更新和移除 IDL 程序包的功能。 IDL 程序包是一个 zip 压缩文件，里边可以包含 IDL pro 源码、 sav 文件或 DLMs 等；并且包含一个 idlpackage.json 文件（注明了程序包的描述信息）。
IDL 程序包将被安装在由 IDL_PACKAGE_PATH 配置项 （系统变量 !PACKAGE_PATH ）设定的路径中， IDL path 将自动添加新安装的程序包路径。
如下程序包已经可以被使用：
| Library |
IPM 安装命令 |
| IDL-Motley |
|
| IDL-ROMS |
|
| IDL-Salvaggio |
|
| IDLdoc |
|
| Mankoff |
|
| mglib |
|
| mgunit |
|
1.3 CW_COLORGRADIENT 函数
CW_COLORGRADIENT 函数可以创建一个复合部件。可以通过用户选取的多个颜色创建渐变的调色板。
1.4 DIALOG_COLORGRADIENT 函数
DIALOG_COLORGRADIENT 函数支持交互的选取颜色，创建渐变调色板。
IDL> result = DIALOG_COLORGRADIENT ()
2 更新功能
2.1 ARRAY_EQUAL 函数
ARRAY_EQUAL 函数新增了两个关键字。一个是 DIFFERENT_LENGTHS ，可以对比不同维度的数组；另一个是 NAN ，将 NaN 作为相同值处理。
2.2 IDLTask 更新
IDLTask 新增一个 TAGS 属性，用于将 IDLTask 进行功能分类。同时， IDLTask 的 schema 更新为 idltask_1.2 。
2.3 JSON_PARSE 性能提升
JSON_PARSE 函数性能得到极大提升。当解析较大文件时尤其明显，速度提升 10 倍之多。
3 库更新
IDL Python Bridge 目前支持 Python 3.6.6 、 3.5.6 、 2.7.15 ；
IMSL 库版本更新到 2016.1.0 ；
JRE 库版本更新到 1.8.0_181 ；
Libcurl 库版本更新到 7.61.0 ；
MrSID 库版本更新到 8.0.0.3101 ；
cURL 中的 OpenSSL 库版本更新到 1.1.0h ；
SQLite 库版本更新到 3.24.0 ；
Xerces 库版本更新到 3.2.1 。
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- 『互联网架构』软件架构-redis特性和集群特性（中）（49）
- 『互联网架构』软件架构-redis特性和集群特性（上）（48）
- 『互联网架构』软件架构-redis特性和集群特性（下）（50）
- JDK 14 功能特性
- C# 特性（Attribute）
- python—高级特性
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
机器学习算法原理与编程实践
郑捷 / 电子工业出版社 / 2015-11 / 88.00
本书是机器学习原理和算法编码实现的基础性读物，内容分为两大主线：单个算法的原理讲解和机器学习理论的发展变迁。算法除包含传统的分类、聚类、预测等常用算法之外，还新增了深度学习、贝叶斯网、隐马尔科夫模型等内容。对于每个算法，均包括提出问题、解决策略、数学推导、编码实现、结果评估几部分。数学推导力图做到由浅入深，深入浅出。结构上数学原理与程序代码一一对照，有助于降低学习门槛，加深公式的理解，起到推广和扩......一起来看看 《机器学习算法原理与编程实践》 这本书的介绍吧!
