oracle/tribuo

Tribuo - A Java machine learning library

What it solves

Tribuo 是一個基於 Java 的機械學習函式庫，旨在為各種預測任務提供統一的介面。它簡化了載入、特徵化與轉換資料的過程，並提供了一種標準化的方式來訓練、評估與部署跨不同演算法與底層函式庫的模型。

How it works

Tribuo 提供其自身的熱門 ML 演算法實作，同時也封裝了其他強大的函式庫（例如 TensorFlow, XGBoost, LibLinear, 和 LibSVM）以提供一致的 API。它支援廣泛的任務，包括多類別分類、回歸、分群與異常檢測。

關鍵技術特性包括：

  • Configuration System: 使用 OLCUT 透過 XML 或 JSON 檔案進行訓練器配置，以實現可重複的模型構建。
  • Provenance: 每個模型與評估結果都包含一個可序列化的來源追蹤物件，記錄了建立時間、資料身分、轉換過程與超參數。
  • Interoperability: 許多模型可以匯出為 ONNX 格式，以便在其他語言或平台中使用。
  • Deployment: 支援 Java 8+ 並為高效能組件提供原生函式庫介面。

Who it’s for

需要將機械學習能力直接整合到應用程式中，而無需切換到 Python 或使用外部 API 呼叫的 Java 開發者，以及需要透過來源追蹤來實現嚴格的模型追蹤與可重複性的研究人員與工程師。

Highlights

  • Unified Interface: 為包括 TensorFlow 和 XGBoost 在內的多個 ML 函式庫提供單一 API。
  • Comprehensive Task Support: 涵蓋分類、回歸、分群與異常檢測。
  • Causal Tracking: 內建來源追蹤系統，用於追蹤模型歷史與超參數。
  • ONNX Export: 能夠匯出模型以進行跨平台部署。
  • LIME Implementation: 包含使用 LIME 演算法來解釋分類器預測結果的工具。