- 授权协议: Apache
- 开发语言: Google Go
- 操作系统: 跨平台
- 软件首页: https://github.com/huichen/mlf
- 软件文档: https://github.com/huichen/mlf
软件介绍
让天下没有难做的大数据模型！
功能
下面是弥勒佛框架解决的问题类型，括号中的斜体代表尚未实现以及预计实现的时间
监督式学习：最大熵分类模型（max entropy classifier），决策树模型（decision tree based models，2014 Q1）
非监督式学习：聚类问题（k-means，2014 Q1）
在线学习：在线梯度递降模型（online stochastic gradient descent）
神经网络（2014 Q2/3）
项目实现了下面的组件
多种数据集（in-mem，skip）
多种评价器（precision，recall，f-score，accuracy，confusion）和交叉评价（cross-validation）
多种优化器：协程并发L-BFGS，梯度递降（batch, mini-batch, stochastic），带退火的学习率（learning rate），L1/L2正则化（regularization）
稀疏向量（sparse vector）以存储和表达上亿级别的特征
特征辞典（feature dictionary）在特征名和特征ID之间自动翻译
现有的机器学习框架/软件包存在几个问题：
无法处理大数据：多数Python，Matlab和R写的训练框架适合处理规模小的样本，没有为大数据优化。
不容易整合到实际生产系统：standalone的程序无法作为library嵌入到大程序中。
模型单一：一个软件包往往只解决一个类型的问题（比如监督式或者非监督式）。
不容易扩展：设计时没有考虑可扩展性，难以添加新的模型和组件。
代码质量不高：代码缺乏规范，难读懂、难维护。
弥勒佛项目的诞生就是为了解决上面的问题，在框架设计上满足了下面几个需求：
处理大数据：可随业务增长scale up，无论你的数据样本是1K还是1B规模，都可使用弥勒佛项目。
为实际生产：模型的训练和使用都可以作为library或者service整合到在生产系统中。
丰富的模型：容易尝试不同的模型，在监督、非监督和在线学习等模型间方便地切换。
高度可扩展：容易添加新模型，方便地对新模型进行实验并迅速整合到生产系统中。
高度可读性：代码规范，注释和文档尽可能详尽，适合初学者进行大数据模型的学习。
