river

River, ऑनलाइन मशीन लर्निंग के लिए एक Python लाइब्रेरी है। इसका लक्ष्य स्ट्रीमिंग डेटा पर मशीन लर्निंग करने के लिए सबसे उपयोगकर्ता-अनुकूल लाइब्रेरी बनना है। River, creme और scikit-multiflow के बीच विलय का परिणाम है।

⚡️ त्वरित आरंभ

एक त्वरित उदाहरण के रूप में, हम website phishing dataset को वर्गीकृत करने के लिए एक logistic regression प्रशिक्षित करेंगे। यहाँ डेटासेट के पहले अवलोकन पर एक नज़र है।

>>> from pprint import pprint
>>> from river import datasets

>>> dataset = datasets.Phishing()

>>> for x, y in dataset:
...     pprint(x)
...     print(y)
...     break
{'age_of_domain': 1,
 'anchor_from_other_domain': 0.0,
 'empty_server_form_handler': 0.0,
 'https': 0.0,
 'ip_in_url': 1,
 'is_popular': 0.5,
 'long_url': 1.0,
 'popup_window': 0.0,
 'request_from_other_domain': 0.0}
True

अब मॉडल को स्ट्रीमिंग तरीके से डेटासेट पर चलाते हैं। हम क्रमिक रूप से भविष्यवाणियों और मॉडल अपडेट को इंटरलीव करते हैं। इस बीच, हम एक प्रदर्शन मेट्रिक अपडेट करते हैं ताकि यह देख सकें कि मॉडल कितना अच्छा प्रदर्शन कर रहा है।

>>> from river import compose
>>> from river import linear_model
>>> from river import metrics
>>> from river import preprocessing

>>> model = compose.Pipeline(
...     preprocessing.StandardScaler(),
...     linear_model.LogisticRegression()
... )

>>> metric = metrics.Accuracy()

>>> for x, y in dataset:
...     y_pred = model.predict_one(x)      # make a prediction
...     metric.update(y, y_pred)           # update the metric
...     model.learn_one(x, y)              # make the model learn

>>> metric
Accuracy: 89.28%

बेशक, यह केवल एक कृत्रिम उदाहरण है। अधिक गहन ट्यूटोरियल के लिए हम आपका स्वागत प्रलेखन के introduction अनुभाग को देखने के लिए करते हैं।

🛠 स्थापना

River को Python 3.11 और उससे ऊपर के साथ काम करने के लिए डिज़ाइन किया गया है। इसे pip द्वारा स्थापित किया जा सकता है:

pip install river

Linux, MacOS और Windows के लिए wheels उपलब्ध हैं। इसका मतलब है कि आपको संभवतः River को स्रोत से बनाने की आवश्यकता नहीं होगी।

River का मुख्य ऑनलाइन इंटरफ़ेस (learn_one / predict_one) pandas पर निर्भर नहीं है। मिनी-बैच इंटरफ़ेस (learn_many, predict_many, predict_proba_many, transform_many) pandas पर आधारित है और वैकल्पिक (opt-in) है:

pip install "river[pandas]"

आप GitHub से नवीनतम विकास संस्करण इस प्रकार स्थापित कर सकते हैं:

pip install git+https://github.com/online-ml/river --upgrade
pip install git+ssh://[email protected]/online-ml/river.git --upgrade  # using SSH

इस विधि के लिए आपकी मशीन पर Cython और Rust स्थापित होना आवश्यक है।

🔮 विशेषताएँ

River एल्गोरिदम के निम्नलिखित परिवारों के ऑनलाइन कार्यान्वयन प्रदान करता है:

• रैखिक मॉडल, ऑप्टिमाइज़र की एक विस्तृत श्रृंखला के साथ
• निर्णय वृक्ष और रैंडम फ़ॉरेस्ट
• (अनुमानित) निकटतम पड़ोसी
• विसंगति (anomaly) का पता लगाना
• ड्रिफ्ट का पता लगाना
• अनुशंसा प्रणाली
• समय श्रृंखला पूर्वानुमान
• बैंडिट्स
• फ़ैक्टराइज़ेशन मशीनें
• असंतुलित लर्निंग
• क्लस्टरिंग
• बैगिंग/बूस्टिंग/स्टैकिंग
• सक्रिय लर्निंग

River अन्य ऑनलाइन उपयोगिताएँ भी प्रदान करता है:

• फ़ीचर निष्कर्षण और चयन
• ऑनलाइन सांख्यिकी और मेट्रिक्स
• प्रीप्रोसेसिंग
• अंतर्निहित डेटासेट
• प्रगतिशील मॉडल सत्यापन
• मॉडल पाइपलाइन

व्यापक अवलोकन के लिए API देखें।

🤔 क्या मुझे River का उपयोग करना चाहिए?

आपको स्वयं से पूछना चाहिए कि क्या आपको ऑनलाइन मशीन लर्निंग की आवश्यकता है। उत्तर संभवतः नहीं है। अधिकांश समय बैच लर्निंग काम पूरा कर देती है। एक ऑनलाइन दृष्टिकोण उपयुक्त हो सकता है यदि:

• आप एक ऐसा मॉडल चाहते हैं जो पुराने डेटा को दोबारा देखे बिना नए डेटा से सीख सके।
• आप एक ऐसा मॉडल चाहते हैं जो कॉन्सेप्ट ड्रिफ्ट के प्रति मजबूत (robust) हो।
• आप अपने मॉडल को इस तरह विकसित करना चाहते हैं जो प्रोडक्शन संदर्भ के करीब हो, जो आमतौर पर इवेंट-आधारित होता है।

River की कुछ विशिष्टताएँ ये हैं:

• यह प्रदर्शन से अधिक स्पष्टता और उपयोगकर्ता अनुभव पर केंद्रित है।
• यह एक समय में एक नमूना संसाधित करने में बहुत तेज़ है। आज़माकर देखें, आपको पता चल जाएगा।
• यह Python के बाकी पारिस्थितिकी तंत्र के साथ अच्छी तरह से काम करता है।

🔗 उपयोगी लिंक

• प्रलेखन
• पैकेज रिलीज़
• awesome-online-machine-learning
• GAIA में 2022 प्रस्तुति
• Online Clustering: Algorithms, Evaluation, Metrics, Applications and Benchmarking, KDD'22 से।

👐 योगदान

आप किसी भी तरह से योगदान करने के लिए स्वतंत्र महसूस करें, हम हमेशा नए विचारों और दृष्टिकोणों के लिए खुले रहते हैं।

• यदि आपका कोई प्रश्न या पूछताछ है तो चर्चा शुरू करें। अपना प्रश्न सार्वजनिक रूप से पूछना हमें निजी ईमेल भेजने से अधिक उपयोगी है। योगदान देने से पहले चर्चा शुरू करने के लिए भी प्रोत्साहित किया जाता है, ताकि सभी एक जैसी समझ रखें और अनावश्यक कार्य से बचा जा सके।
• यदि आपको लगता है कि आपने कोई बग या प्रदर्शन समस्या देखी है, तो एक मुद्दा खोलने के लिए आपका स्वागत है।
• हमारा रोडमैप सार्वजनिक है। जो भी आपका ध्यान खींचे उस पर काम करने या सुझाव देने के लिए स्वतंत्र महसूस करें।

यदि आप कोड बेस में संशोधन लाना चाहते हैं तो कृपया योगदान दिशानिर्देश देखें।

🤝 संबद्धताएँ

💬 उद्धरण

यदि River आपके लिए उपयोगी रहा है, और आप इसे किसी वैज्ञानिक प्रकाशन में उद्धृत करना चाहते हैं, तो कृपया JMLR में प्रकाशित पेपर देखें:

@article{montiel2021river,
  title={River: machine learning for streaming data in Python},
  author={Montiel, Jacob and Halford, Max and Mastelini, Saulo Martiello
          and Bolmier, Geoffrey and Sourty, Raphael and Vaysse, Robin and Zouitine, Adil
          and Gomes, Heitor Murilo and Read, Jesse and Abdessalem, Talel and others},
  year={2021}
}

📝 लाइसेंस

River, 3-clause BSD license के अंतर्गत लाइसेंस प्राप्त मुफ्त और ओपन-सोर्स सॉफ्टवेयर है।