SHOGUN

SHOGUN是一個開源軟件項目從偏移旨在提供針對大規模核方法機器學習工具箱，並專門針對支持向量機（SVM）設計的。該軟件可以從不同的編程語言，包括C，C ++，Python中，八度，MATLAB，Java和C＃，紅寶石，Lua中，UNIX Shell和R.內輕鬆使用
該應用程序提供了一個標準的SVM（支持向量機）的對象，可與各種SVM實現對接。它還包括許多線性方法，如線性規劃機（LPM），線性判別分析（LDA），（內核）感知，以及一些算法，可以被用來訓練隱馬爾科夫models.Features在glanceKey特徵包括一個類分類，多類分類，回歸，結構化輸出學習，預處理，內置選型策略，測試框架，大規模的學習支持，多任務學習領域適應性，序列化，並行化的代碼，性能指標，內核嶺回歸向量回歸的支持和高斯過程。
此外，它支持多個內核的學習，包括Q-規範MKL和多類MKL，支持樸素貝葉斯，Logistic回歸，套索，K-NN和高斯過程分類分類，支持線性規劃的機器，LDA，馬爾可夫鏈，隱馬爾可夫模型， PCA，核PCA，Isomap的CWME，多維尺度，局部線性嵌入，擴散圖，局部切空間排列，以及拉普拉斯特徵映射。
此外，它的特點巴恩斯必勝客T-SNE支持，內核正規化，乙狀結腸內核，內核字符串，多項式，線性和高斯內核，聚類，k均值，BFGS優化，梯度下降，綁定CPLEX，綁定MOSEK，標籤序列學習，因子圖的學習，SO-SGD，潛在的SO-SVM和representation.Under引擎蓋稀疏數據和availabilitySHOGUN驕傲地寫在Python和C ++編程語言，這意味著它大局;與任何GNU / Linux操作系統兼容其中，Python和GCC存在。它是可供下載的萬能源存檔，這樣你就可以在任何基於Linux內核的操作系統上安裝它

什麼在此版本中是新的：

• 特點：
• 現在，完全支持python3
• 添加小批量K-均值[Parijat素潔]
• 在加入K均值++ [Parijat素潔]
• 添加子序列串內核[lambday]
• 在錯誤修正：
• 在編譯為即將到來的swig3.0修復
• 在加速比為高斯過程“適用（）
• 在提高單位/集成測試檢查
• 在libbmrm未初始化的內存讀取
• 在libocas未初始化的內存讀取
• 在倍頻3.8編譯修復[獵戶座Poplawski]
• 修正的Java模塊編譯錯誤[比約恩·埃塞爾]

什麼是3.1.1版本，新的：

• 在解決與CXX0X發生編譯錯誤
• 在凹凸的數據版本所需的版本

什麼是3.1.0版本，新的：

• 在這個版本主要含有錯誤修正，而且還配備了增強。
• 在最重要的是，一對夫婦的相關申請內存洩漏（）已得到修復。
• 在寫作和閱讀的將軍特點protobuf的對象成為可能。
• 在自定義內核矩陣現在是2 ^ 31-1 * 2 ^ 31-1大小。
• 在多類IPython的筆記本電腦增加了，和其他人提升。
• 將一法交叉驗證，現在方便的支持。

什麼是2.0.0版本，新的：

• 在它包括已開展之前的一切，代碼2012。
的谷歌夏季
• 在學生已實施多項新功能，如結構化輸出學習，高斯過程，潛變量SVM（和結構化輸出學習），在內核空間複製統計檢驗，各種多任務學習算法，以及各種可用性方面的改進，僅舉幾例。

什麼在1.1.0版本新：

• 在此版本中引入的“轉換器”的概念，這使您可以構建任意功能嵌入。
• 在其中還包括在降維工具包中的一些新的降維技術和顯著的性能提升。
• 在其他方面的改進包括顯著編譯加速，各種bug修正的模塊化接口和算法，提高了Cygwin的，的Mac OS X，和鐺++的兼容性。
• 在Github上的問題，現在正用於追踪bug和問題。

什麼在1.0.0版本新：

• 在這個版本的功能接口，以新的語言包括Java， C＃，Ruby和Lua中，模型選擇的框架，很多降維技術，高斯混合模型的估計，以及一個完整的在線學習框架。

什麼的0.10.0版本是新的：

• 特點：
• 在物體CSGObject派生的序列化，即所有幕府將軍對象（SVM，內核，功能，預處理器，...）為ASCII，JSON，XML和HDF5
• 創建SVMLightOneClass
• 在類似於添加CustomDistance以定制的內核
• 添加HistogramIntersectionKernel（感謝公園范德桑德的補丁）
• 在Matlab的2010A支持
• 在SpectrumMismatchRBFKernel模塊支持（感謝羅布Patro的補丁）
• 添加ZeroMeanCenterKernelNormalizer（感謝戈登Jemwa的補丁）
• 在痛飲2.0支持
• 在錯誤修正：
• 在自定義內核，現在可以＆GT; 4G（感謝公園范德桑德的補丁）
• 在啟動時init_shogun防止incompatiblies與ASCII花車和fprintf設置C語言環境
• 在編譯時修復引用計數被禁用
• 修正set_position_weights為WD內核（報告由Dave duVerle）
• 修正set_wd_weights為WD內核。
• 在SVMOcas修復破碎機（報導雅羅斯拉夫）
• 在清理和API的變化：
• 在改名SVM_light / SVR_light到SVMLight等。
• 在非序列化的類名稱前面刪除前綴C
• 在下拉CSimpleKernel並介紹CDotKernel作為基類。這樣，所有的基礎點積內核可以在DotFeatures的頂部和僅一個單一的實施為諸如內核應用於需要。

什麼在0.9.3版本新：

• 特點：
• 在實驗LP-規範MCMKL
• 在新內核：SpectrumRBFKernelRBF，SpectrumMismatchRBFKernel，WeightedDegreeRBFKernel
• 在WDK內核支持的氨基酸
• 在字符串功能現在支持追加操作（和創建
• 在蟒蛇-DBG支持
• 在允許浮動的輸入定制的內核（和矩陣＆GT; 4GB大小）
• 在錯誤修正：
• 在靜態鏈接修復。
• 在解決稀疏線性內核的add_to_normal
• 在清理和API的變化：
• 在績效評估中取出init（）函數
• 在調整.so後綴為Python和使用Python distutils找出安裝路徑

什麼在0.9.2版本新：

• 特點：
• 直接讀取和寫入ASCII /二進制文件/ HDF5基於文件。
• 在實現多任務內核正規化。
• 在實施SNP內核。
• 在實施時限LIBSVM / libsvr。
• 在整合彈力網MKL（感謝Ryoata富岡的補丁）。
• 在實施散列WD特點。
• 在實施散列稀疏聚特點。
• 在整合liblinear 1.51
• 在LIBSVM現在可以訓練了與偏見禁用。
• 添加功能設置/獲取全球和本地IO /並行/ ...對象。
• 在錯誤修正：
• 修正set_w（）的線性分類。
• 在靜態倍頻，巨蟒，CMDLINE和模塊化接口的Python乾淨編譯在Windows / Cygwin的了。
• 在靜態接口測試可能會失敗，當訓練後，不能直接做