Propheticus：可泛化机器学习框架
机器学习
2018-09-10 v1 人工智能
机器学习
摘要
由于近期的技术发展，机器学习（ML，人工智能（AI）的一个子领域）已成功用于处理并从各类复杂问题中提取知识。然而，严谨的 ML 方法十分复杂且高度依赖于具体问题。此外，实现执行实验所需的逻辑并非易事也非琐碎，从而增加了可能损害结果的错误代码的概率。Propheticus 是一个数据驱动的框架，源于对一种工具的需求：该工具能抽象 ML 的某些固有复杂性，同时易于理解、使用以及适应和扩展，以辅助用户的特定需求。Propheticus 将 ML 实验工作流的多种复杂概念系统化并强制执行，同时考量问题与数据的性质。它包含执行所有不同任务的功能，从数据预处理到结果分析与比较。尽管如此，由于其灵活的架构，它可相当容易地适配不同问题，并按需定制以满足用户需求。
引用
@article{arxiv.1809.01898,
title = {Propheticus: Generalizable Machine Learning Framework},
author = {João R. Campos and Marco Vieira and Ernesto Costa},
journal= {arXiv preprint arXiv:1809.01898},
year = {2018}
}