SHOGUN  v3.0.0
SHOGUN 项目文档
shogun_logo.png

简介

SHOGUN是一个关于大规模机器学习的工具包,它尤其关注支持向量机(SVM)。它提供 一个SVM的通用对象来支持不同的SVM实现,其中包括LibSVM,SVMLight, SVMLin及GPDT。 每一种SVM都可支持多种核函数。SHOGUN除了实现绝大部分常见的核函数,如线性核函数、 多项式核函数、高斯核函数及Sigmoid核函数等,同时还实现一些字符串核函数,如Locality Improved、 Fischer、TOP、Spectrum、 Weighted Degree等。对于字符串核函数,还实现了 LINADD优化。同时SHOGUN也支持自定义核函数。它的一个重要功能就是可以将许多个 子核函数作线性加权,并且这些子核函数不必作用于相同的定义域。子核函数的权重可 以通过多重核函数学习(Multiple Kernel Learning)获得。目前可以支持SVM处理二类 分类问题和回归问题。同时SHOGUN还实现了其它线性方法,如线性判别分析(LDA), 线性规划学习器(LPM),(核函数)感知器和训练HMM模型的特征算法等。输入可以是 密集矩阵、称疏矩阵或者字符串,数据类型可是int/short/double/char,并且可以将其中一种类型转换为 另外一种。此外,还可以使用预处理器对输入feature进行预处理(如减去均值)。

SHOGUN使用C++实现,但同时为Matlab(tm), R, Octave和Python 提供接口(参看接口)

shogun作者致。


SHOGUN Machine Learning Toolbox - Documentation