MLPP
ML++ Version 1.0.2
機器學習是一門廣闊而令人興奮的學科，吸引了許多領域專家的注意。不幸的是，對於C++程式設計師和愛好者來說，機器學習領域似乎缺乏支援。為了填補這一空白並讓 C++ 在 ML 領域真正立足，編寫了這個函式庫。該庫的目的是充當低階開發人員和機器學習工程師之間的十字路口。
首先下載 ML++ 函式庫的頭檔。您可以透過複製儲存庫並提取其中的 MLPP 目錄來完成此操作：
git clone https://github.com/novak-99/MLPP
接下來，執行「buildSO.sh」shell 腳本：
sudo ./buildSO.sh
執行此操作後，將 ML++ 原始檔維護在本機目錄中並以這種方式包含它們：
# include " MLPP/Stat/Stat.hpp " // Including the ML++ statistics module.
int main (){
...
}最後，創建完專案後，使用 g++ 編譯它：
g++ main.cpp /usr/local/lib/MLPP.so --std=c++17
請注意，ML++ 使用std::vector<double>資料類型來模擬向量，並使用std::vector<std::vector<double>>資料類型來模擬矩陣。
首先包含您選擇的對應頭檔。
# include " MLPP/LinReg/LinReg.hpp "接下來，實例化該類別的一個物件。不要忘記將輸入集和輸出集作為參數傳遞。
LinReg model (inputSet, outputSet);然後，呼叫您想要使用的優化器。對於梯度下降等迭代優化器，請包含學習率、曆元數以及是否使用 UI 面板。
model.gradientDescent( 0.001 , 1000 , 0 );太好了，您現在可以開始測試了！若要測試單一測試實例，請使用下列函數：
model.modelTest(testSetInstance);這將傳回模型對該範例的奇異預測。
若要測試整個測試集，請使用下列函數：
model.modelSetTest(testSet);結果將是模型對整個資料集的預測。
ML++ 與大多數框架一樣，是動態的、不斷變化的。這在機器學習領域尤其重要，因為新的演算法和技術正在不斷開發中。以下是目前正在為 ML++ 開發的一些內容：
- 卷積神經網絡
- SVM 內核
- 支援向量回歸
在創建 ML++ 的過程中，各種不同的材料為我提供了幫助，我想在此對其中的一些材料表示感謝。 TutorialsPoint 的這篇文章在嘗試實現矩陣的行列式時提供了很大的幫助，而 GeeksForGeeks 的這篇文章在嘗試求矩陣的伴隨和逆時也非常有幫助。
