ml

项目介绍 - ml.js：JavaScript中的机器学习工具

介绍

ml.js 是一个 JavaScript 的机器学习工具库，由 mljs 组织开发和维护。这个库主要为浏览器使用而开发，尽管它也可以在 Node.js 项目中使用。对于 Node.js 用户，建议直接添加所需的库，因为这些库通常在 npm 上更新更频繁。库中的所有 npm 包均以 ml- 开头，方便查找（例如，ml-matrix）。

要在网页中包含 ml.js 库，可以通过以下方式引入：

<script src="https://www.lactame.com/lib/ml/6.0.0/ml.min.js"></script>

引入后，全局变量 ML 即可用。这个包使用 UMD 格式发布。

包含的库列表

无监督学习

• 主成分分析 (PCA)：ML.PCA
• 层次聚类：ML.HClust
• K 均值聚类：ML.KMeans

监督学习

• 朴素贝叶斯分类器：ML.NaiveBayes
• K 近邻算法 (KNN)：ML.KNN
• 偏最小二乘回归 (PLS)：ML.PLS
• K-OPLS：ML.KOPLS
• 交叉验证：ML.CrossValidation
• 混淆矩阵：ML.ConfusionMatrix
• 决策树分类器：ML.DecisionTreeClassifier
• 随机森林分类器：ML.RandomForestClassifier

人工神经网络 (ANN)

• 前馈神经网络：ML.FNN
• 自组织映射/科赫网络：ML.SOM

回归

• 简单线性回归：ML.SimpleLinearRegression
• 多项式回归：ML.PolynomialRegression
• 多变量线性回归：ML.MultivariateLinearRegression
• 幂回归：ML.PowerRegression
• 指数回归：ML.ExponentialRegression
• Theil-Sen 回归：ML.TheilSenRegression
• Robust 多项式回归：ML.RobustPolynomialRegression
• 决策树回归：ML.DecisionTreeRegression
• 随机森林回归：ML.RandomForestRegression

优化

• Levenberg-Marquardt 算法：ML.levenbergMarquardt
• 快速组合非负最小二乘法：ML.FCNNLS

数学

• 矩阵类：ML.Matrix
• 奇异值分解 (SVD)：ML.SVD
• 特征值分解 (EVD)：ML.EVD
• 切列斯基分解：ML.CholeskyDecomposition
• LU 分解：ML.LuDecomposition
• QR 分解：ML.QrDecomposition
• 稀疏矩阵：ML.SparseMatrix
• 核函数：ML.Kernel
• 距离函数：ML.Distance
• 相似度函数：ML.Similarity
• 距离矩阵：ML.distanceMatrix
• XORShift-add 随机数生成器：ML.XSadd
• 非负广义形态分量分析：ML.nGMCA

数组操作

在 ML.Array 和 ML.ArrayXY 中，有多种数组处理功能，如最小值、最大值、平均值、标准差等计算，排序和合并点集，确保 x 值唯一，以及加权合并等操作。

统计

• 性能（ROC 曲线）：ML.Performance

数据处理

• 主成分分析 (PCA)：ML.PCA
• Savitzky-Golay 滤波器：ML.savitzkyGolay
• 全局光谱解卷积 (GSD)：ML.GSD

工具

• 位数组操作：ML.BitArray
• 哈希表：ML.HashTable
• 填充数组：ML.padArray
• 二分查找：ML.binarySearch
• 数字比较函数用于排序：ML.numSort
• 随机数生成：ML.Random