- [アーティクル]
-
-
Azure Data Science Virtual Machine (DSVM) には、機械学習のための豊富な一連のツールやライブラリが備わっています。 こうしたリソースは、Python、R、Julia などの一般的な言語で使用できます。
DSVM では、機械学習の次のツールとライブラリがサポートされています。
Azure Machine Learning SDK for Python
詳細については、「Azure Machine Learning SDK for Python」を参照してください。
カテゴリ |
値 |
紹介 |
Azure Machine Learning クラウド サービスを使用し、機械学習モデルの開発したり、デプロイしたりできます。 Python SDK を使用することで、モデルを構築、トレーニング、スケール調整、管理しながらモデルを追跡できます。 モデルをコンテナーとしてデプロイし、それをクラウド、オンプレミス、または Azure IoT Edge で実行します。 |
サポートされているエディション |
Windows (Conda 環境:AzureML)、Linux (Conda 環境: py36) |
標準的な使用 |
一般的な機械学習プラットフォーム |
構成またはインストール方法 |
GPU サポートと共にインストールされます |
使用または実行方法 |
Python SDK および Azure CLI として。 Windows エディションで conda 環境 AzureML にアクティブ化ましす。または Linux エディションで py36 にアクティブ化します。 |
サンプルへのリンク |
サンプルの Jupyter ノートブックを、AzureML ディレクトリの notebooks の下で見つけます。 |
H2O
カテゴリ |
値 |
紹介 |
分散型、高速、インメモリで、かつスケーラブルな機械学習をサポートするオープンソースの AI プラットフォームです。 |
サポートされているバージョン |
Linux |
標準的な使用 |
汎用で分散型のスケーラブル機械学習 |
構成またはインストール方法 |
H2O は /dsvm/tools/h2o にインストールされます。 |
使用または実行方法 |
X2Go で VM に接続します。 新しいターミナルを起動し、java -jar /dsvm/tools/h2o/current/h2o.jar を実行します。 次に、Web ブラウザーを開始し、http://localhost:54321 に接続します。 |
サンプルへのリンク |
Jupyter の VM に関するサンプルを h2o ディレクトリの下で見つけます。 |
DSVM には、DSVM 用の Anaconda Python ディストリビューションの一部である一般的な scikit-learn
パッケージなど、他にもいくつかの機械学習ライブラリがあります。 Python、R、Julia で使用可能なパッケージの一覧が必要な場合、それぞれのパッケージ マネージャーを実行します。
LightGBM
カテゴリ |
値 |
紹介 |
ディシジョン ツリー アルゴリズムに基づく、高速な、分散型、高パフォーマンスの勾配ブースティング (GBDT、GBRT、GBM、または MART) フレームワークです。 機械学習タスク (ランク付けや分類など) でそれが使用されます。 |
サポートされているバージョン |
Windows、Linux |
標準的な使用 |
汎用の勾配ブースティング フレームワーク |
構成またはインストール方法 |
LightGBM は Windows に Python パッケージとしてインストールされます。 Linux では、コマンドラインの実行可能ファイルは /opt/LightGBM/lightgbm にあります。 R パッケージがインストールされ、Python パッケージがインストールされます。 |
サンプルへのリンク |
LightGBM ガイド |
Rattle
カテゴリ |
値 |
紹介 |
R を使用したデータ マイニングのためのグラフィカル ユーザー インターフェイス。 |
サポートされているエディション |
Windows、Linux |
標準的な使用 |
R 用の一般的な UI データ マイニング ツール |
使用または実行方法 |
UI ツールとして。 Windows では、コマンド プロンプトを起動し、R を実行してから、R 内で rattle() を実行します。 Linux では、X2Go で接続し、ターミナルを起動し、R を実行してから、R 内で rattle() を実行します。 |
サンプルへのリンク |
Rattle |
Vowpal Wabbit
カテゴリ |
値 |
紹介 |
高速でオープンソースの、コア以外の学習システム ライブラリ |
サポートされているエディション |
Windows、Linux |
標準的な使用 |
一般的な機械学習ライブラリ |
構成またはインストール方法 |
Windows: MSI インストーラー Linux: apt-get |
使用または実行方法 |
パスの通ったコマンド ライン ツール (Windows では C:\Program Files\VowpalWabbit\vw.exe 、Linux では /usr/bin/vw ) として |
サンプルへのリンク |
VowPal Wabbit サンプル |
Weka
カテゴリ |
値 |
紹介 |
データ マイニング タスクのための機械学習アルゴリズムのコレクション。 アルゴリズムを直接適用するか、独自の Java コードから呼び出すことができます。 Weka には、データの前処理、分類、回帰、クラスタリング、アソシエーション ルール、および視覚化のためのツールが含まれています。 |
サポートされているエディション |
Windows、Linux |
標準的な使用 |
一般的な機械学習ツール |
使用または実行方法 |
Windows では、 [スタート] メニューで Weka を探します。 Linux では、X2Go でサインインし、 [アプリケーション]>[開発]>[Weka] に移動します。 |
サンプルへのリンク |
Weka サンプル |
XGBoost
カテゴリ |
値 |
紹介 |
Python、R、Java、Scala、C++ など用の、高速で、可搬性があり、分散型の勾配ブースティング (GBDT、GBRT、または GBM) ライブラリ。 これは 1 台のコンピューター、Apache Hadoop、Spark 上で実行されます。 |
サポートされているエディション |
Windows、Linux |
標準的な使用 |
一般的な機械学習ライブラリ |
構成またはインストール方法 |
GPU サポートと共にインストールされます |
使用または実行方法 |
Python ライブラリ (2.7 および 3.6 以降)、R パッケージ、パスの通ったコマンド ライン ツール (Windows では C:\dsvm\tools\xgboost\bin\xgboost.exe 、Linux では /dsvm/tools/xgboost/xgboost ) として |
サンプルへのリンク |
サンプルは、VM 上の Linux では /dsvm/tools/xgboost/demo 、Windows では C:\dsvm\tools\xgboost\demo に含まれています。 |