yoshoku/rumale

해결하는 문제

Rumale은 Ruby 프로그래밍 언어에 포괄적인 기계학습 알고리즘 세트를 제공합니다. Python으로 전환할 필요 없이 ML 모델을 표준화된 방식으로 구현할 수 있으며, Scikit-Learn에 익숙한 사용자에게 친숙한 인터페이스를 제공합니다.

작동 방식

Rumale은 유형화된 배열을 위한 Numo::NArray Alternative를 사용하여 다양한 ML 알고리즘을 구현합니다. 다음과 같은 광범위한 기법을 지원합니다:

• 지도 학습: 서포트 벡터 머신, 로지스틱 회귀, 결정 트리, 랜덤 포레스트, 그래디언트 트리 부스팅.
• 비지도 학습: K-평균, 가우시안 혼합 모델, DBSCAN, 스펙트럴 클러스터링.
• 차원 축소: 주성분 분석(PCA), t-SNE, 비음수 행렬 분해.

성능 향상을 위해 Numo::Linalg Alternative를 통해 OpenBLAS와 통합하여 더 빠른 행렬 연산을 지원하고, 지원되는 추정기에서 Parallel gem을 사용해 멀티코어 처리를 수행할 수 있습니다.

대상 사용자

Ruby 생태계를 떠나지 않고도 애플리케이션에 기계학습 기능을 직접 통합하고자 하는 Ruby 개발자.

주요 특징

• Scikit-Learn 스타일 API: 인기 있는 Python ML 라이브러리와 유사한 인터페이스를 사용.
• 광범위한 알고리즘 지원: 선형 모델과 앙상블 방법부터 클러스터링, 다양체 학습까지 포함.
• 성능 최적화: OpenBLAS를 통한 하드웨어 가속 및 병렬 처리 지원.
• 데이터셋 통합: LIBSVM 형식 데이터셋을 로드하는 내장 함수 제공.