Dagli 是 LinkedIn 開源的用于 Java(和其他 JVM 語言)的機器學習函數庫，其開發團隊表示通過它可輕松編寫不易出錯、可讀、可修改、可維護且易于部署的模型管道，而不會引起技術債。Dagli 充分利用了現代多核的 CPU 和功能日益強大的 GPU，可以對真實世界模型進行有效的單機訓練。

下面是一個文本分類器的介紹性示例，此文本分類器以管道的形式實現，使用梯度增強決策樹模型 (XGBoost) 的主動學習以及高維 ngram 集作為邏輯回歸分類器中的特征：

Placeholder text = new Placeholder<>();

Placeholder label = new Placeholder<>();

Tokens tokens = new Tokens().withInput(text);

NgramVector unigramFeatures = new NgramVector().withMaxSize(1).withInput(tokens);

Producer leafFeatures = new XGBoostClassification<>()

.withFeaturesInput(unigramFeatures)

.withLabelInput(label)

.asLeafFeatures();

NgramVector ngramFeatures = new NgramVector().withMaxSize(3).withInput(tokens);

LiblinearClassification prediction = new LiblinearClassification()

.withFeaturesInput().fromVectors(ngramFeatures, leafFeatures)

.withLabelInput(label);

DAG2x1.Prepared> trainedModel =

DAG.withPlaceholders(text, label).withOutput(prediction).prepare(textList, labelList);

LabelType predictedLabel = trainedModel.apply("Some text for which to predict a label", null);

// trainedModel now can be serialized and later loaded on a server, in a CLI app, in a Hive UDF...

總結

以上是生活随笔為你收集整理的java的函数库_Dagli首页、文档和下载 - Java 机器学习函数库的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。