CuML 

Communauté d’assistance GitHub Outils d’optimisation

cuML est une suite d’algorithmes d’apprentissage automatique rapides et accélérés par GPU, conçus pour la science des données et les tâches analytiques. Notre API reflète celle de Sklearn et nous fournissons aux praticiens le paradigme simple d’ajustement-prédiction-transformation sans jamais avoir à programmer sur un GPU.

À mesure que les données augmentent, les algorithmes exécutés sur un processeur deviennent lents et fastidieux. RAPIDS offre aux utilisateurs une approche rationalisée dans laquelle les données sont initialement chargées dans le GPU et les tâches de calcul peuvent y être effectuées directement.

cuML est entièrement open source, et l’équipe RAPIDS accueille les contributeurs, utilisateurs et amateurs nouveaux et chevronnés ! Merci pour votre merveilleux soutien !

Caractéristiques

Regroupement

Réduction de dimensionnalité

Modèles linéaires pour la régression ou la classification

Modèles non linéaires pour la régression ou la classification

Prétraitement

Des séries chronologiques

Explication du modèle

Basé sur SHAP

Site officiel

Tutoriel et documentation

Enter your contact information to continue reading