Este semestre, me enfrenté al mismo dilema que tú. Este fue un proyecto de clase para nosotros: competencia biométrica del acelerómetro [en Kaggle] y teníamos aproximadamente un mes para trabajar en ello. Era un problema de clasificación de varias clases y los conjuntos de datos de entrenamiento y prueba eran de 1,4 GB cada uno.
Aquí hay una lista de las bibliotecas de C ++ que probé durante el trabajo del proyecto:
- Waffles: Gran biblioteca casi completa con muchas características, excelente soporte para archivos de entrada ARFF, pero los métodos ML no son multiproceso.
- DLib: Carece de algunas características (Naive Bayes, Decision Trees, Ensemble Learning), pero es excelente para SVM y regresión. Realmente fácil de usar y admite subprocesos.
- Shark: Otra gran biblioteca con muchas características, requiere Boost.
La presentación final que hice fue usar DLib. Aunque la biblioteca en ese momento no tenía una implementación paralela del clasificador uno contra todos, modifiqué la fuente.
- ¿Una red neuronal necesita un nodo de salida para cada cosa que pueda clasificar?
- ¿Cuál es la mejor manera de implementar mi algoritmo de reducción de dimensiones?
- ¿Qué motor de recomendación / personalización estándar ofrece recomendaciones utilizando tanto el aprendizaje automático como la entrada manual?
- ¿Cuáles son las implicaciones de privacidad del reconocimiento facial DeepFace de Facebook?
- ¿Qué es la regresión logística?
