Fregata: TalkingData开源的轻量级大规模机器学习库

原文：Fregata: Machine Learning

作者：GitHub 翻译：Daisy 责编：仲培艺

Fregata是TalkingData开源的一个基于Spark的轻量级、超快速的大规模机器学习库，并在Scala中提供高级API。

显著特征：

• 更加准确：Fregata的精确度要高于MLLib；
• 高速度：对于广义线性模型，Fregata通常汇合在一个数据历元。对于10亿*10亿的数据集，Fregata可以在1分钟内使用内存缓存或10分钟完成一个广义线性模型训练，速度要比MLLib快10-100倍；
• 参数自由：Fregata使用GSA SGD优化，无需学习速率调整，原因是研发团队找到了一种在训练过程中计算学习速率的方法。当面对超高维问题时，Fregata会动态计算剩余内存来确定输出的稀疏性，自动平衡精度和效率；
• 轻量：Fregata只使用了Spark的标准API即可快速、无缝地集成到Spark上的大多数业务数据处理流程中。

架构

这里主要介绍1.0版本架构。核心部分主要基于GSA独立算法实现，包括分类，回归和聚类：

• 分类：支持二进制和多重分类
• 回归：在下面的版本中发布
• 聚类：在下面的版本中发布

Spark：主要通过封装core.jar实现基于Spark的大规模机器学习算法，并提供相应的算法。

如何安装及快速入门，大家可以访问其在Github上的开源地址。

130+位讲师，16大分论坛，中国科学院院士陈润生、滴滴出行高级副总裁章文嵩、联想集团高级副总裁兼CTO芮勇、上交所前总工程师白硕等专家将亲临2016中国大数据技术大会，票价折扣即将结束，预购从速。