MLKit（又称 Machine Learning Kit）🤖

MLKit 是一个用 Swift 编写的简单机器学习框架。目前 MLKit 包含了处理回归主题的机器学习算法，但随着时间的推移，框架将扩展到分类、聚类、推荐系统和深度学习等领域。此框架的愿景和目标是向开发者提供一套工具，用于创建可以从数据中学习的生产力工具。MLKit 是我的一项侧面项目，旨在让开发者更容易在现场实施机器学习算法，并使自己熟悉机器学习概念。

该项目处于积极开发中，尚未准备好用于商业或个人项目。

MachineLearningKit 参考

要求

安装

即将推出新的 Cocoapods 版本，在此期间请遵循以下说明

贡献

本项目的目标是让开发者能够轻松地将机器学习算法并入其项目，并允许创建使用 Swift 编程语言的高级项目。在此前提下，我鼓励所有有兴趣将机器学习推向 iOS 应用和 TVOS 应用开发者们的开发者为此项目做出贡献。

如果您想贡献一个框架中尚未提供的算法，请创建一个 issue 并说明您已实施的算法。请确保在适用的情况下包括了单元测试。还请提供有关如何使用您的算法的简要说明。您也可以在以下 路线图 部分实现算法。

如果您想为框架中已存在的某个算法做出贡献，请创建一个 issue 并说明您做出的任何更改或添加。

Wiki

• [x] 简单线性回归（1个特征）
• [x] 多项式回归
• [x] Lasso 回归教程
• [x] Ridge 回归教程
• [x] Flappy Bird 示例项目解析
• [x] 遗传算法

示例项目

⚠️️ Flappy Bird 示例项目位于 Example 文件夹中。运行示例时会看到每个 Flappy Bird 的适应度及其所做的决策。示例项目包含注释，以帮助理解其制作方式。

路线图

• [x] 问题 #2
• [ ] KMeans++ 实现
• [ ] KMeans 聚类文档
• [ ] 神经网络文档
• [ ] 逻辑回归
• [ ] 决策树

未来版本

• [ ] 卷积神经网络
• [ ] 循环神经网络
• [ ] 使用 Metal 的神经网络
• [ ] 游戏人工智能（MiniMax，Alpha-Beta 剪枝）
• [ ] 自组织地图

当前功能

• [x] 矩阵和向量运算（使用 Upsurge 框架）
• [x] 简单线性回归（允许使用 1 个特征集）
• [x] 多项式回归（允许使用多个特征）
• [x] Ridge 回归
• [x] 多层前馈神经网络
• [x] K-Means 聚类
• [x] 遗传算法
• [x] 允许将数据分成训练集、验证集和测试集
• [x] K-Fold 交叉验证和测试 Ridge 回归的各种 L2 惩罚的能力
• [x] 单层感知器、多层感知器和 Adaline ANN 架构

MLKit 使用的框架

• 🙌 Upsurge (矩阵和向量运算)
• 🙌 CSVReader (CSV 读取) (用于单元测试)

开发计划

4 月 24 日周

许可证

MIT 许可证

版权所有 © 2017 Guled Ahmed

本协议特此授予任何人免费获得本软件及其相关文档副本（以下简称“软件”）的副本，并且可以不受限制地处理该软件，包括但不限于使用、复制、修改、合并、发布、分发、再许可和/或出售软件的副本，并允许向软件提供方提供软件的人这样做，但前提是必须遵守以下条件：

上述版权声明和本许可声明应包括在所有副本或软件主要部分中。

本软件按照“原样”提供，不提供任何形式的保证，无论是明确保证还是隐含保证，包括但不限于适销性保证、适用于特定目的的保证和侵权不保证。在任何情况下，作者或版权所有者均不对任何索赔、损害或其他责任负责任，无论是因为合同行为、侵权行为还是其他行为，这些索赔、损害或其他责任源于、产生于或与软件、软件的使用或其他任何方式的使用有关。