访问官网
Github
文档ml.js - JavaScript 中的机器学习工具
简介
这个库是 mljs 组织开发的工具集合。
它主要用于在浏览器中使用。如果您使用 Node.js，可能更倾向于只添加您需要的库作为依赖项，因为它们通常会更频繁地发布到 npm。
我们所有的 npm 包名都以 ml- 为前缀（例如 ml-matrix），这样就很容易找到。
要在网页中包含 ml.js 库：
<script src="https://www.lactame.com/lib/ml/6.0.0/ml.min.js"></script>
它将作为全局变量 ML 可用。该包采用 UMD 格式。
包含的库列表
无监督学习
监督学习
- 朴素贝叶斯：
ML.NaiveBayes - K-近邻 (KNN)：
ML.KNN - 偏最小二乘法 (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)
回归
- 简单线性回归：
ML.SimpleLinearRegression - 多项式回归：
ML.PolynomialRegression - 多元线性回归：
ML.MultivariateLinearRegression - 幂回归：
ML.PowerRegression - 指数回归：
ML.ExponentialRegression - 泰尔-森回归：
ML.TheilSenRegression - 稳健多项式回归：
ML.RobustPolynomialRegression - 决策树回归：
ML.DecisionTreeRegression - 随机森林回归：
ML.RandomForestRegression
优化
- 列文伯格-马夸特算法：
ML.levenbergMarquardt - 快速组合非负最小二乘法：
ML.FCNNLS
数学
- 矩阵：
ML.Matrix（矩阵类） - 奇异值分解 (SVD)：
ML.SVD - 特征值分解 (EVD)：
ML.EVD - 乔列斯基分解：
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 - 非负广义形态学成分分析：
ML.nGMCA
ML.Array
ML.Array.minML.Array.maxML.Array.medianML.Array.meanML.Array.modeML.Array.normedML.Array.rescaleML.Array.sequentialFillML.Array.standardDeviationML.Array.variance
ML.ArrayXY
处理包含 x 和 y 两个属性（均为数组）的对象的函数。
示例：
let result = ML.ArrayXY.sortX({ x: [2, 3, 1], y: [4, 6, 2] });
// result = {x: [1,2,3], y: [2,4,6]}
-
ML.ArrayXY.weightedMerge：合并相似纵坐标上的横坐标值，并对横坐标组进行加权
-
ML.ArrayXY.maxMerge：合并相似纵坐标上的横坐标值，并保留纵坐标值较大的横坐标
-
ML.ArrayXY.closestX：获取特定横坐标值的最接近点
-
ML.ArrayXY.centroidsMerge：如果纵坐标值在中心点列表中，则合并横坐标值
-
ML.ArrayXY.sortX：基于横坐标值对点集进行排序
-
ML.ArrayXY.maxY：基于横坐标值对点集进行排序
-
ML.ArrayXY.uniqueX：确保横坐标值唯一
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 - 全局谱线解卷积 (GSD)：
ML.GSD
实用工具
- 位数组操作：
ML.BitArray - 哈希表：
ML.HashTable - 数组填充：
ML.padArray - 二分查找：
ML.binarySearch - 用于排序的数字比较函数：
ML.numSort - 随机数生成：
ML.Random
