online-ml/river

해결하는 문제

River는 스트리밍 데이터에서 머신러닝 모델을 훈련하는 문제를 해결합니다. 모델을 고정된 데이터셋으로 훈련하는 전통적인 배치 학습과 달리, River는 모델이 새로운 데이터 포인트를 하나씩 학습할 수 있도록 하여 과거 데이터를 다시 방문할 필요를 없애고 시스템을 컨셉 드리프트(시간에 따른 기본 데이터 분포의 변화)에 견고하게 만듭니다.

작동 방식

River는 예측과 모델 업데이트가 순차적으로 발생하는 스트리밍 인터페이스를 구현합니다. learn_one 및 predict_one 패턴을 제공하여 모델이 한 번에 하나의 샘플을 처리할 수 있도록 합니다. 또한 필요한 경우 pandas를 통해 선택적인 미니 배치 인터페이스(learn_many, predict_many)도 지원합니다.

대상

이벤트 기반의 프로덕션 환경을 위한 모델을 구축해야 하는 개발자와 데이터 과학자, 또는 시간이 지남에 따라 진화하는 데이터를 다루는 사람들을 위해 설계되었습니다.

주요 특징

• 다양한 알고리즘 제품군: 선형 모델, 결정 트리, 랜덤 포레스트, 이상 탐지, 드리프트 탐지 및 추천 시스템을 포함합니다.
• Creme 및 Scikit-Multiflow 통합: 두 개의 검증된 온라인 ML 라이브러리의 기능을 결합했습니다.
• 포괄적인 도구 세트: 온라인 통계, 전처리, 특징 추출 및 점진적 모델 검증을 제공합니다.
• 사용자 친화적 API: 명확성과 사용 편의성에 초점을 맞추어 Python 생태계와 원활하게 통합됩니다.