مقاله یادگیری جریان اصلی: یک کتابخانه برای مقیاس بندی یادگیری ماشینی مبتنی بر بهینه سازی اعداد صحیح ترکیبی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی BackboneLearn: A Library for Scaling Mixed-Integer Optimization-Based Machine Learning
عنوان مقاله به فارسی مقاله یادگیری جریان اصلی: یک کتابخانه برای مقیاس بندی یادگیری ماشینی مبتنی بر بهینه سازی اعداد صحیح ترکیبی
نویسندگان Vassilis Digalakis Jr, Christos Ziakas
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 0
دسته بندی موضوعات Machine Learning,Optimization and Control,Machine Learning,یادگیری ماشین , بهینه سازی و کنترل , یادگیری ماشین ,
توضیحات Submitted 22 November, 2023; originally announced November 2023.
توضیحات به فارسی ارسال شده 22 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد.

چکیده

We present BackboneLearn: an open-source software package and framework for scaling mixed-integer optimization (MIO) problems with indicator variables to high-dimensional problems. This optimization paradigm can naturally be used to formulate fundamental problems in interpretable supervised learning (e.g., sparse regression and decision trees), in unsupervised learning (e.g., clustering), and beyond; BackboneLearn solves the aforementioned problems faster than exact methods and with higher accuracy than commonly used heuristics. The package is built in Python and is user-friendly and easily extensible: users can directly implement a backbone algorithm for their MIO problem at hand. The source code of BackboneLearn is available on GitHub (link: https://github.com/chziakas/backbone_learn).

چکیده به فارسی (ترجمه ماشینی)

ما BackboneLearn را ارائه می دهیم: یک بسته نرم افزاری منبع باز و چارچوب برای مقیاس بندی مشکلات بهینه سازی مخلوط مخلوط (MIO) با متغیرهای شاخص به مشکلات با ابعاد بالا.این الگوی بهینه سازی به طور طبیعی می تواند برای تدوین مشکلات اساسی در یادگیری تحت نظارت قابل تفسیر (به عنوان مثال ، رگرسیون پراکنده و درختان تصمیم گیری) ، در یادگیری بدون نظارت (به عنوان مثال ، خوشه بندی) و فراتر از آن استفاده شود.Backbonelearn مشکلات فوق را سریعتر از روشهای دقیق و با دقت بالاتر از اکتشافی های متداول حل می کند.این بسته در پایتون ساخته شده است و کاربر پسند و به راحتی قابل گسترش است: کاربران می توانند به طور مستقیم یک الگوریتم ستون فقرات را برای مشکل MIO خود در دست داشته باشند.کد منبع Backbonelearn در GitHub (لینک: https://github.com/chziakas/backbone_learn) در دسترس است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.