访问官网
Github
文档项目介绍：Tribuo
Tribuo 是一个用 Java 编写的机器学习库，当前版本为 4.3，由 Oracle Labs 的机器学习研究小组开发。它为用户提供了多种预测任务的解决方案，包括多分类、回归、聚类、异常检测以及多标签分类。
功能概览
Tribuo 为用户提供了一系列流行的机器学习算法的实现，并能通过统一的接口支持其他库。它内置了进行数据加载、特征化及转换的所有必要代码，还包括支持所有预测类型的评估类。用户可以使用 OLCUT 配置系统以 XML 或 JSON 格式配置训练器，从而可重复地构建模型。
Tribuo 支持 Java 8 及以上版本，并经过测试可运行于 LTS 版本和最新版本的 Java 上。它本身是纯 Java 库，能够跨平台使用。不过，一些接口需要原生代码支持，因此仅在原生库支持的平台上可用。目前已在 Windows 10、macOS 和 Linux（RHEL/OL/CentOS 7+）的平台上进行测试。
主要功能
算法支持
Tribuo 提供广泛的算法支持，涵盖多类不同的机器学习任务：
- 分类：支持线性模型、支持向量机、CART、Adaboost 等。
- 回归：支持线性模型、Lasso、弹性网络等。
- 聚类：包括 HDBSCAN 及 K-Means 算法。
- 异常检测：提供 One-class SVM 支持。
- 多标签分类：能够将多分类算法转换成多标签算法。
此外，Tribuo 还支持特征选择、算法解释等功能，例如，通过实现 LIME 算法来解释分类器的预测。
接口集成
Tribuo 提供与其他流行机器学习工具的接口，例如：
- LibLinear 和 LibSVM：用于支持向量机训练。
- ONNX Runtime：允许在其他平台上部署 Tribuo 模型。
- TensorFlow 和 XGBoost：实现与这些框架的无缝集成。
教程与文档
Tribuo 提供丰富的教程资源，包括分类、聚类、回归、异常检测等案例，并详细介绍了文档分类、列数据加载和配置系统等应用。用户可以访问 IJava 的 Jupyter notebook 内核来查看这些教程实例，使用 Java 10 及以上版本，其中部分教程需要 Java 17。
模型与配置管理
模型和评估包括可序列化的来源对象，此对象记录了创建时间、数据身份及应用的任何转换，以及训练器的超参数。大多数 Tribuo 模型均可导出为 ONNX 格式，支持在其他语言、平台或云服务中部署。
社区与贡献
Tribuo 非常欢迎社区的贡献。用户可以通过提交 GitHub 问题来参与进步。安全方面，请参考项目的安全指南以了解负责的安全漏洞披露流程。
发布版本与更新日志
Tribuo 从最初的内部版本开始，经过多个版本的改进，增加了多项功能。目前最新版本 v4.3.1 进行了小错误修复和依赖项更新。每个版本都有相应的发布说明，涵盖了新特性、错误修复及性能改进等内容。
使用方法
Tribuo 的二进制文件可通过 Maven Central 获取，用户可以选择只依赖特定所需模块，从而避免不必要地引入大型依赖库。大多数 Tribuo 组件是纯 Java 实现，能够跨平台使用。不过，与一些外部库的接口在某些平台上可能需要原生代码支持。
总结
作为一个致力于 Java 开发者的机器学习库，Tribuo 提供丰富的功能和灵活的接口，涵盖了从模型训练到评估的整个过程，具备高可配置性及良好的可扩展性，适用于从学术科研到工业应用的多种场景。
