LinkedIn开源的机器学习工具包:ml-ease

　　ml-ease是LinkedIn的一个开源的大规模机器学习库，目前拥有基于大规模逻辑回归的ADMM（交替方向法乘数，Alternating Direction Method of Multipliers）。

　　代码托管地址：https://github.com/linkedin/ml-ease

　　ml-ease支持在单个机器上模型拟合/培训、支持Hadoop集群和Spark集群，强调可伸缩性、速度和易用性。对于开发人员来说，ml-ease是一个在大数据机器学习应用方面非常有用的工具。

　　ml- ease目前支持ADMM二进制逻辑回归响应预测，基于L1和L2规则。其中，ADMM代表交替方向法乘数(Boyd et al . 2011年)。ADMM的基本思想如下：ADMM认为大规模逻辑回归模型拟合与约束凸优化问题。同时最大限度地减少用户定义的损失函数，它会强制系数从所 有分区都等于一个额外的约束。

　　为了解决这个优化问题，ADMM使用一个迭代过程。对于每个迭代它将大数据划分成许多小的分区,并为每个分区适配一个独立的逻辑回归。然后，它汇总从所有分区收集的系数，学习的共识系数，并将其发送回给所有分区重新培训。

　　在10-20此迭代之后，最终融合的解决方案理论上是接近你在单个机器上获得的。

快速启动：

安装： 使用 maven to 来编译，命令： "mvn clean install"

运行 ADMM：

• 复制 jar ./target/ml-ease-1.0-jar-with-dependencies.jar到hadoop网关。然后创建配置文件如： ./examples/sample-config.job.
• 执行Admm：hadoop jar ml-ease-1.0-jar-with-dependencies.jar com.linkedin.ml-ease.regression.jobs.Regression sample-config.job.

　　详细配置方法见 这里。关于ml-ease的介绍请查看这里。

　　转自：http://code.csdn.net/news/2821915