rusty-machine

该crate目前处于版本 0.5.4。

阅读API文档 了解更多信息。

以下是一份详细说明开发努力的文档。包括即将推出功能的预期时间表。请随时提出反馈，并告诉我您认为应该优先考虑哪些功能。

• 开发

摘要

Rusty-machine 是一个完全用 Rust 实现的通用机器学习库。它旨在结合速度和易用性 - 而不需要大量的外部依赖。

这个项目最初是为了让我学习 Rust 并复习一些不太熟悉的机器学习算法和技术而开始的。现在，这个项目旨在为 Rust 提供一个完整、易于使用的机器学习库。

这个库仍在开发初期。尽管有许多算法，但还有许多其他内容缺失。Rusty-machine 可能不是任何严肃项目的最佳选择 - 但希望这种情况在不久的将来可以改变！

贡献

该项目目前正在寻找所有能力的贡献者！

我已创建一个专门的贡献页面。如果您感兴趣，请查看。

实现

该项目使用 Rust 实现。目前没有其他依赖！不过，我们计划很快引入可选的 BLAS/LAPACK 依赖。

当前进度

Rusty-machine 使用 rulinalg 作为其线性代数后端。这相当完整，但仍有很多优化空间，我们应该提供 BLAS/LAPACK 支持。

机器学习

• 线性回归
• 逻辑回归
• 广义线性模型
• K-均值聚类
• 神经网络
• 高斯过程回归
• 支持向量机
• 高斯混合模型
• 朴素贝叶斯分类器
• DBSCAN

在功能标志后面还有一个基本的 stats 模块。

用法

库的用法在 API 文档 中描述得很好，包括示例代码。我将简要概述库的当前状态和预期用法。

安装

该库最易于与 cargo 一起使用。只需在您的 Cargo.toml 文件中包含以下内容

[dependencies]
rusty-machine="0.5.4"

然后使用以下方式导入库

extern crate rusty_machine as rm;

该库由两个核心组件组成。线性代数模块和学习模块。

Linalg

线性代数模块包含来自 rulinalg 包的重导出。这是为了提供易于访问 rusty-machine 中经常使用的组件。

更详细的说明可以在 API 文档 中找到。

学习

学习模块包含机器学习模型。机器学习实现注重简洁性和定制。这意味着您可以控制优化算法，但仍可保留使用默认值的便利。这是我目前正在努力改进的领域！

所有模型都提供了由 SupModel 和 UnSupModel 特性强制执行的 predict 和 train 方法。

该存储库中包含一些示例，可以帮助您熟悉该库。