Java是機(jī)器學(xué)習(xí)的可行且實(shí)用的選擇，尤其是在企業(yè)環(huán)境中。 1）Java提供了與現(xiàn)有系統(tǒng)的性能，可伸縮性和無縫集成，使其非常適合大規(guī)模和低延遲應(yīng)用（例如欺詐檢測）。 2）諸如初學(xué)者WEKA之類的關(guān)鍵庫，用於深度學(xué)習(xí)的深度學(xué)習(xí)4J，Apache Spark mllib for Big Data和流媒體學(xué)習(xí)的MOA為各種ML任務(wù)提供了強(qiáng)大的工具。 3）使用一個(gè)簡單的WEKA示例，您可以加載數(shù)據(jù)，訓(xùn)練決策樹，並使用無外部依賴性的純Java評(píng)估模型。 4）Java在使用Spring Boot，使用Spark或Kafka等基於Java的數(shù)據(jù)管道或您的團(tuán)隊(duì)缺乏Python專業(yè)知識(shí)時(shí)，Java特別有利。 5）雖然Python在快速原型和高級(jí)研究方面仍然更好，但Java在現(xiàn)有基於JVM的系統(tǒng)中部署和維護(hù)可準(zhǔn)備生產(chǎn)的ML模型方面表現(xiàn)出色。因此，如果您已經(jīng)在Java生態(tài)系統(tǒng)中，則可以在不切換語言的情況下有效地構(gòu)建和集成機(jī)器學(xué)習(xí)。

機(jī)器學(xué)習(xí)不僅適用於Python開發(fā)人員 - 您也可以開始使用Java。儘管Python主導(dǎo)了ML景觀，但Java仍然是一個(gè)強(qiáng)大的選擇，尤其是在企業(yè)環(huán)境中，性能，可伸縮性和與現(xiàn)有系統(tǒng)重要的集成。如果您已經(jīng)與Java合作，則利用它進(jìn)行機(jī)器學(xué)習(xí)可以節(jié)省時(shí)間並簡化部署。

這是對如何使用Java進(jìn)行機(jī)器學(xué)習(xí)的實(shí)用研究。

為什麼使用Java進(jìn)行機(jī)器學(xué)習(xí)？

Java可能不是ML想到的第一語言，但它具有真正的優(yōu)勢：

• 性能和可擴(kuò)展性：Java的運(yùn)行時(shí)效率和多線程支持使其非常適合大規(guī)模應(yīng)用程序。
• 企業(yè)集成：許多銀行，保險(xiǎn)公司和大型系統(tǒng)在Java上運(yùn)行。將ML直接添加到這些系統(tǒng)中可以避免昂貴的API調(diào)用或語言切換。
• 強(qiáng)大的生態(tài)系統(tǒng)：WEKA，DL4J和MOA等庫為ML任務(wù)提供了可靠的工具。
• 準(zhǔn)備生產(chǎn)：Java的靜態(tài)打字和成熟工具（Maven，Gradle，Spring）使模型更易於部署和維護(hù)。

您無需在Python中重寫您的後端來添加智能功能。

流行的Java機(jī)器學(xué)習(xí)庫

您不必從頭開始構(gòu)建算法。這些圖書館做了繁重的工作：

• weka
  最古老，最易於用戶友好的ML庫之一。它提供了用於數(shù)據(jù)預(yù)處理，分類，回歸，聚類和可視化的工具。非常適合初學(xué)者，並支持GUI和基於代碼的工作流程。

• 深度學(xué)習(xí)4J（DL4J）
  一個(gè)為Java和Scala設(shè)計(jì)的深度學(xué)習(xí)庫。與Hadoop和Spark集成，支持神經(jīng)網(wǎng)絡(luò)，並在分佈式環(huán)境中效果很好。理想的話，如果您在基於JVM的堆棧中進(jìn)行NLP或圖像識(shí)別。

• Apache Spark mllib（帶有Java API）
  當(dāng)Spark用Scala編寫時(shí)，它提供了堅(jiān)固的Java API。與Kafka或Flink結(jié)合使用時(shí)，非常適合大型數(shù)據(jù)集和實(shí)時(shí)處理。

• MOA（大量在線分析）
  非常適合流學(xué)習(xí)和實(shí)時(shí)數(shù)據(jù)。將其視為數(shù)據(jù)流的WEKA - 非常適合物聯(lián)網(wǎng)或監(jiān)視系統(tǒng)。

這些工具可讓您培訓(xùn)模型，評(píng)估性能並將預(yù)測直接整合到Java應(yīng)用程序中。

WEKA的一個(gè)簡單示例

假設(shè)您想對客戶分類是否會(huì)根據(jù)年齡和收入購買產(chǎn)品。

1. 將WEKA添加到您的項(xiàng)目（通過Maven）：

    <依賴項(xiàng)>
       <groupId> nz.ac.waikato.cms.weka </groupid>
       <Artifactid> WEKA穩(wěn)定</artifactid>
       <版本> 3.8.6 </version>
   </dependency>

2. 加載數(shù)據(jù)並訓(xùn)練決策樹：

   導(dǎo)入weka.core.intances;
   導(dǎo)入weka.core.converters.csvloader;
   導(dǎo)入weka.classifiers.trees.j48;
   導(dǎo)入weka.classifiers.evaluation;
   
   //加載數(shù)據(jù)
   csvloader loader = new csvloader（）;
   loader.setsource（新文件（“ data.csv”））;
   實(shí)例data = loader.getDataset（）;
   data.setClassIndex（data.numattributes（）-1）; //最後一列是標(biāo)籤
   
   // 火車
   j48 tree = new J48（）;
   tree.buildClassifier（數(shù)據(jù)）;
   
   // 評(píng)價(jià)
   評(píng)估評(píng)估=新評(píng)估（數(shù)據(jù)）;
   eval.crossvalidatemodel（樹，數(shù)據(jù)，10，新隨機(jī)（1））;
   system.out.println（eval.tosummarystring（））;

這都是純Java - 沒有外部服務(wù)，沒有Python橋樑。

當(dāng)Java對ML有意義時(shí)

考慮Java時(shí)：

• 您正在使用Spring Boot在微服務(wù)體系結(jié)構(gòu)中工作。
• 您的數(shù)據(jù)管道已經(jīng)使用Spark或Kafka在Java/Scala中。
• 您需要低延遲推斷（例如，交易中的欺詐檢測）。
• 您的團(tuán)隊(duì)非常了解Java，但不知道Python。

另一方面，如果您正在進(jìn)行快速的原型製作，研究或複雜的深度學(xué)習(xí)（例如變形金剛），則Python仍然因Pytorch和Scikit-Learn等圖書館而獲勝。

但是，要將模型集成到現(xiàn)有的企業(yè)應(yīng)用中，Java具有功能強(qiáng)大。

最後的想法

Java並不是機(jī)器學(xué)習(xí)的最華麗選擇，但這是實(shí)用的。憑藉可靠的圖書館和強(qiáng)大的性能，它非常適合現(xiàn)實(shí)世界應(yīng)用，在現(xiàn)實(shí)世界中，可靠性和集成比最新的算法更重要。

您無需切換語言即可在應(yīng)用程序中添加智能。使用WEKA，DL4J或SPARK MLLIB，您可以在Java生態(tài)系統(tǒng)內(nèi)構(gòu)建，訓(xùn)練和部署模型。

基本上，如果您已經(jīng)在JVM世界中，那麼沒有理由只是為了進(jìn)行機(jī)器學(xué)習(xí)而走出去。

以上是Java的機(jī)器學(xué)習(xí)簡介的詳細(xì)內(nèi)容。更多資訊請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！