180 lines
6.5 KiB
ObjectPascal
180 lines
6.5 KiB
ObjectPascal
/// Основной модуль библиотеки машинного обучения.
|
||
/// Объединяет модели, метрики, валидацию и вспомогательные компоненты.
|
||
unit MLABC;
|
||
|
||
// =============================================================
|
||
// СТАТИСТИЧЕСКАЯ ПОЛИТИКА БИБЛИОТЕКИ ML PascalABC.NET
|
||
//
|
||
// В библиотеке используются следующие соглашения:
|
||
//
|
||
// 1. DataFrame (описательная статистика):
|
||
// • дисперсия вычисляется с делением на (n - 1)
|
||
//
|
||
// 2. LinearAlgebra и ML:
|
||
// • дисперсия вычисляется с делением на n
|
||
//
|
||
// 3. PCA:
|
||
// • ковариационная матрица вычисляется с делением на (n - 1)
|
||
//
|
||
// Это соответствует распространённой практике:
|
||
// • описательная статистика — выборочная дисперсия
|
||
// • алгоритмы ML — дисперсия генеральной совокупности
|
||
// =============================================================
|
||
|
||
// =============================================================
|
||
// PIPELINES
|
||
//
|
||
// DataFrame-based:
|
||
// DataPipeline
|
||
// UDataPipeline
|
||
//
|
||
// Matrix/Vector-based:
|
||
// MatrixPipeline
|
||
// UMatrixPipeline
|
||
//
|
||
// Оба варианта являются равноправными и используются
|
||
// в зависимости от представления данных.
|
||
// =============================================================
|
||
|
||
interface
|
||
|
||
uses LinearAlgebraML;
|
||
uses ValidationML;
|
||
uses MLCoreABC;
|
||
uses MLModelsABC;
|
||
uses MetricsABC;
|
||
uses PreprocessorABC;
|
||
uses DataFrameABC;
|
||
uses DataFrameABCCore;
|
||
uses MLExceptions;
|
||
uses InspectionML;
|
||
uses MLPipelineABC;
|
||
uses MLDatasets;
|
||
uses DataAdapters;
|
||
uses MLUtilsABC;
|
||
|
||
type
|
||
Vector = LinearAlgebraML.Vector;
|
||
Matrix = LinearAlgebraML.Matrix;
|
||
|
||
Validation = ValidationML.Validation;
|
||
GridSearch = ValidationML.GridSearch;
|
||
|
||
Metrics = MetricsABC.Metrics;
|
||
ClassificationMetrics = MetricsABC.ClassificationMetrics;
|
||
RegressionMetrics = MetricsABC.RegressionMetrics;
|
||
ClusteringMetrics = MetricsABC.ClusteringMetrics;
|
||
ConfusionMatrix = MetricsABC.ConfusionMatrix;
|
||
|
||
DataPipeline = MLPipelineABC.DataPipeline;
|
||
|
||
DataFrame = DataFrameABC.DataFrame;
|
||
DataFrameCursor = DataFrameABCCore.DataFrameCursor;
|
||
ColumnType = DataFrameABCCore.ColumnType;
|
||
Column = DataFrameABCCore.Column;
|
||
|
||
Statistics = DataFrameABC.Statistics;
|
||
CsvLoader = DataFrameABC.CsvLoader;
|
||
JoinKind = DataFrameABC.JoinKind;
|
||
GroupView = DataFrameABC.GroupView;
|
||
|
||
IProbabilisticClassifier = MLCoreABC.IProbabilisticClassifier;
|
||
IRegressor = MLCoreABC.IRegressor;
|
||
|
||
StandardScaler = MLModelsABC.StandardScaler;
|
||
PCATransformer = MLModelsABC.PCATransformer;
|
||
MinMaxScaler = MLModelsABC.MinMaxScaler;
|
||
VarianceThreshold = MLModelsABC.VarianceThreshold;
|
||
SelectKBest = MLModelsABC.SelectKBest;
|
||
FeatureScore = MLModelsABC.FeatureScore;
|
||
Normalizer = MLModelsABC.Normalizer;
|
||
|
||
NormType = MLModelsABC.NormType;
|
||
|
||
Activations = MLModelsABC.Activations;
|
||
MatrixPipeline = MLModelsABC.MatrixPipeline;
|
||
|
||
LinearRegression = MLModelsABC.LinearRegression;
|
||
LogisticRegression = MLModelsABC.LogisticRegression;
|
||
RidgeRegression = MLModelsABC.RidgeRegression;
|
||
LassoRegression = MLModelsABC.LassoRegression;
|
||
ElasticNet = MLModelsABC.ElasticNet;
|
||
DecisionTreeClassifier = MLModelsABC.DecisionTreeClassifier;
|
||
DecisionTreeRegressor = MLModelsABC.DecisionTreeRegressor;
|
||
RandomForestRegressor = MLModelsABC.RandomForestRegressor;
|
||
RandomForestClassifier = MLModelsABC.RandomForestClassifier;
|
||
GradientBoostingRegressor = MLModelsABC.GradientBoostingRegressor;
|
||
GradientBoostingClassifier = MLModelsABC.GradientBoostingClassifier;
|
||
KNNClassifier = MLModelsABC.KNNClassifier;
|
||
KNNRegressor = MLModelsABC.KNNRegressor;
|
||
KMeans = MLModelsABC.KMeans;
|
||
DBSCAN = MLModelsABC.DBSCAN;
|
||
|
||
KNNWeighting = MLModelsABC.KNNWeighting;
|
||
TGBLoss = MLModelsABC.TGBLoss;
|
||
TMaxFeaturesMode = MLModelsABC.TMaxFeaturesMode;
|
||
|
||
MLException = MLExceptions.MLException;
|
||
MLNotFittedException = MLExceptions.MLNotFittedException;
|
||
MLDimensionException = MLExceptions.MLDimensionException;
|
||
|
||
Inspection = InspectionML.Inspection;
|
||
|
||
IPreprocessor = PreprocessorABC.IPreprocessor;
|
||
OrdinalEncoder = PreprocessorABC.OrdinalEncoder;
|
||
OneHotEncoder = PreprocessorABC.OneHotEncoder;
|
||
ImputeStrategy = PreprocessorABC.ImputeStrategy;
|
||
Imputer = PreprocessorABC.Imputer;
|
||
|
||
Datasets = MLDatasets.Datasets;
|
||
Dataset = MLDatasets.Dataset;
|
||
LabelEncoder = MLDatasets.LabelEncoder;
|
||
|
||
IModel = MLCoreABC.IModel;
|
||
ISupervisedModel = MLCoreABC.ISupervisedModel;
|
||
IUnsupervisedModel = MLCoreABC.IUnsupervisedModel;
|
||
|
||
UMatrixPipeline = MLModelsABC.UMatrixPipeline;
|
||
UDataPipeline = MLPipelineABC.UDataPipeline;
|
||
TaskKind = MLPipelineABC.TaskKind;
|
||
|
||
AggregationKind = DataFrameABC.AggregationKind;
|
||
|
||
const
|
||
akMean = AggregationKind.akMean;
|
||
akMin = AggregationKind.akMin;
|
||
akMax = AggregationKind.akMax;
|
||
akCount = AggregationKind.akCount;
|
||
akSum = AggregationKind.akSum;
|
||
akStd = AggregationKind.akStd;
|
||
|
||
/// Внутреннее соединение
|
||
jkInner = JoinKind.jkInner;
|
||
jkLeft = JoinKind.jkLeft;
|
||
jkRight = JoinKind.jkRight;
|
||
jkFull = JoinKind.jkFull;
|
||
|
||
/// Преобразует вектор меток классов в массив целых чисел.
|
||
/// Значения округляются функцией Round, чтобы устранить
|
||
/// возможные небольшие численные ошибки
|
||
function LabelsToInts(y: Vector): array of integer;
|
||
|
||
/// Кодирует строковые метки классов в целочисленные индексы.
|
||
/// Каждому уникальному значению присваивается номер 0,1,2,...
|
||
/// Порядок кодирования соответствует порядку первого появления меток.
|
||
/// Используется при обучении моделей и визуализации.
|
||
/// Предполагается, что входные данные уже очищены от пропущенных значений.
|
||
function EncodeLabels(labels: array of string): array of integer;
|
||
|
||
|
||
implementation
|
||
|
||
function LabelsToInts(y: Vector): array of integer;
|
||
begin
|
||
Result := MLUtilsABC.LabelsToInts(y);
|
||
end;
|
||
|
||
function EncodeLabels(labels: array of string): array of integer := MLUtilsABC.EncodeLabels(labels);
|
||
|
||
end.
|