Strumenti di Machine Learning e data science in Data Science Virtual Machine di Azure
Azure Data Science Macchine virtuali (DSVM) include un set completo di strumenti e librerie per Machine Learning. Queste risorse sono disponibili nei linguaggi più diffusi, ad esempio Python, R e Julia.
La DSVM supporta questi strumenti e librerie di Machine Learning:
Azure Machine Learning SDK per Python
Per informazioni di riferimento complete, vedere Azure Machine Learning SDK per Python.
Categoria | Valore |
---|---|
Che cos'è? | È possibile usare il servizio cloud di Azure Machine Learning per sviluppare e distribuire modelli di Machine Learning. È possibile usare Python SDK per tenere traccia dei modelli durante la compilazione, il training, la scalabilità e la gestione. Distribuire i modelli come contenitori ed eseguirli nel cloud, in locale o in Azure IoT Edge. |
Edizioni supportate | Windows (ambiente Conda: AzureML), Linux (ambiente Conda: py36) |
Usi tipici | Piattaforma di Machine Learning generica |
Come viene configurata o installata? | Installata con supporto GPU |
Come usarla o eseguirla | Come Python SDK e nell'interfaccia della riga di comando di Azure. Attivare l'ambiente AzureML conda nell'edizione di Windows o attivarlo py36 nell'edizione Linux. |
Collegamenti agli esempi | Trovare notebook jupyter di esempio nella AzureML directory, in notebook. |
H2O
Categoria | Valore |
---|---|
Che cos'è? | Piattaforma di intelligenza artificiale open source che supporta Machine Learning distribuito, veloce, in memoria e scalabile. |
Versioni supportate | Linux |
Usi tipici | Machine Learning generico distribuito e scalabile |
Come viene configurata o installata? | H2O è installato in /dsvm/tools/h2o . |
Come usarla o eseguirla | Connessione alla macchina virtuale con X2Go. Avviare un nuovo terminale ed eseguire java -jar /dsvm/tools/h2o/current/h2o.jar . Avviare quindi un Web browser e connettersi a http://localhost:54321 . |
Collegamenti agli esempi | Trovare esempi nella macchina virtuale in Jupyter, nella h2o directory . |
Esistono diverse altre librerie di Machine Learning in DSVM, ad esempio il pacchetto più diffuso scikit-learn
che fa parte della distribuzione di Anaconda Python per le DSVM. Per un elenco dei pacchetti disponibili in Python, R e Julia, eseguire le rispettive gestioni pacchetti.
LightGBM
Categoria | Valore |
---|---|
Che cos'è? | Framework veloce, distribuito e a prestazioni elevate di gradient boosting (GBDT, GBRT, GBM o MART) basato su algoritmi dell'albero delle decisioni. Attività di Machine Learning: classificazione, classificazione e così via: usarle. |
Versioni supportate | Windows, Linux |
Usi tipici | Framework di gradient boosting generico |
Come viene configurata o installata? | LightGBM viene installato come pacchetto Python in Windows. In Linux, l'eseguibile della riga di comando si trova in /opt/LightGBM/lightgbm . Il pacchetto R è installato e vengono installati i pacchetti Python. |
Collegamenti agli esempi | Guida a LightGBM |
Rattle
Categoria | Valore |
---|---|
Che cos'è? | Interfaccia utente grafica per il data mining che usa R. |
Edizioni supportate | Windows, Linux |
Usi tipici | Strumento di data mining dell'interfaccia utente generico per R |
Come usarla o eseguirla | Come strumento dell'interfaccia utente. In Windows avviare un prompt dei comandi, eseguire R e quindi all'interno di R eseguire rattle() . In Linux connettersi con X2Go, avviare un terminale, eseguire R e quindi all'interno di R eseguire rattle() . |
Collegamenti agli esempi | Rattle |
Vowpal Wabbit
Categoria | Valore |
---|---|
Che cos'è? | Libreria del sistema di Machine Learning esterno veloce e open source |
Edizioni supportate | Windows, Linux |
Usi tipici | Libreria di Machine Learning generica |
Come viene configurata o installata? | Windows: programma di installazione MSI Linux: apt-get |
Come usarla o eseguirla | Come strumento della riga di comando nel percorso (C:\Program Files\VowpalWabbit\vw.exe in Windows, /usr/bin/vw in Linux) |
Collegamenti agli esempi | Esempi di Vowpal Wabbit |
Weka
Categoria | Valore |
---|---|
Che cos'è? | Raccolta di algoritmi di Machine Learning per attività di data mining. È possibile applicare direttamente gli algoritmi oppure chiamarli dal proprio codice Java. Weka contiene strumenti per la pre-elaborazione, la classificazione, la regressione, il clustering, le regole di associazione e la visualizzazione dei dati. |
Edizioni supportate | Windows, Linux |
Usi tipici | Strumento di Machine Learning generico |
Come usarla o eseguirla | In Windows cercare Weka nel menu Start. In Linux accedere con X2Go e quindi andare a Applications>Development>Weka. |
Collegamenti agli esempi | Esempi di Weka |
XGBoost
Categoria | Valore |
---|---|
Che cos'è? | Libreria di gradient boosting (GBDT, GBRT o GBM) veloce, portatile e distribuita per Python, R, Java, Scala, C++ e altro ancora. Viene eseguita in un solo computer e in Apache Hadoop e Spark. |
Edizioni supportate | Windows, Linux |
Usi tipici | Libreria di Machine Learning generica |
Come viene configurata o installata? | Installata con supporto GPU |
Come usarla o eseguirla | Come pacchetto R della libreria Python (2.7 e 3.6+) e strumento della riga di comando nel percorso (C:\dsvm\tools\xgboost\bin\xgboost.exe per Windows e /dsvm/tools/xgboost/xgboost per Linux) |
Collegamenti agli esempi | Gli esempi sono inclusi nella macchina virtuale, in /dsvm/tools/xgboost/demo su Linux e C:\dsvm\tools\xgboost\demo su Windows. |
Commenti e suggerimenti
https://aka.ms/ContentUserFeedback.
Presto disponibile: Nel corso del 2024 verranno gradualmente disattivati i problemi di GitHub come meccanismo di feedback per il contenuto e ciò verrà sostituito con un nuovo sistema di feedback. Per altre informazioni, vedereInvia e visualizza il feedback per