Ressources pour travailler avec l'Apprentissage de la Machine en F#

Question

J'ai appris une Machine de cours d'Apprentissage à l'aide de Matlab comme un outil de prototypage. Depuis que je suis accro à F#, je voudrais continuer mon Apprentissage de la Machine étude en F#.

Je souhaiterez peut-être utiliser F# tant pour le prototypage et la production, et donc une Machine cadre de l'Apprentissage serait un bon début. Sinon, je peux commencer avec une collection de bibliothèques:

• Hautement optimisé algèbre linéaire bibliothèque
• Logiciel de statistiques
• Bibliothèque de visualisation, qui permet de dessiner et d'interagir avec des diagrammes, des schémas...)
• Parallel computing toolbox (similaire à Matlab parallel computing toolbox)

Et les ressources les plus importantes (pour moi) sont des livres, des articles de blog et des cours en ligne concernant l'Apprentissage de la Machine dans un langage de programmation fonctionnel (F#/OCaml/Haskell...).

Quelqu'un peut-il suggérer que ces types de ressources? Merci.

---

EDIT:

C'est un résumé basé sur les réponses ci-dessous:

Machine de cadres d'Apprentissage:

• Infer.NET: un .NET framework pour l'inférence Bayésienne dans les modèles graphiques avec de bonnes F# soutien.
• WekaSharper: a F# wrapper autour de la populaire exploration de données cadre de Weka.
• Microsoft Sho: continue de l'environnement de développement pour l'analyse des données (y compris les opérations matricielles, de l'optimisation et de visualisation).NET plate-forme.

Bibliothèques:

• Math.NET objets Numériques: en interne à l'aide d'Intel MKL et AMD ACML pour les opérations matricielles et statistiques à l'appui des fonctions de trop.

• Le Solveur de Microsoft Foundation: un bon cadre pour la programmation linéaire et l'optimisation des tâches.

• FSharpChart: une belle visualisation de données de la bibliothèque en F#.

Liste de lecture:

• Calcul numérique: Il est idéal pour l'Apprentissage de la Machine en F#, et introduit des outils et des conseils/astuces pour travailler avec ces bibliothèques de Mathématiques en F#.
• F# et d'Exploration de Données du blog: C'est aussi à partir de Zhu Yin, l'auteur de Calcul Numérique chapitre, fortement recommandé.
• F# comme un Octave/Matlab de remplacement pour l'Apprentissage de la Machine: Gustavo a juste commencé une série de billets de blog à l'aide de F# comme outil de développement. C'est génial de voir de nombreuses bibliothèques sont branchés ensemble.
• "L'Apprentissage de la Machine en Action" s 'échantillons en F#: Mathias a traduit certains échantillons de Python de F#. Ils sont disponibles dans Github.
• Hal Daume de la page d'accueil: Hal a écrit un certain nombre de l'Apprentissage Machine bibliothèques OCaml. Vous vous sentez soulagé si vous étaient dans le doute que la programmation fonctionnelle n'a pas été adapté pour l'Apprentissage de la Machine.

Toute autre pointeurs ou des suggestions sont également les bienvenues.

Answer 1

Il n'y a pas un seul endroit à regarder pour les ressources sur F# et d'apprentissage de la machine, mais voici quelques liens qui peuvent être utiles:

• Le Calcul numérique de la section sur MSDN est une bonne ressource sur l'utilisation de diverses bibliothèques numériques à partir de F#. Le plus avancé de la bibliothèque qui implémente l'algèbre linéaire et d'autres algorithsm utile dans l'apprentissage de la machine est Math.NET Numerics.

• La visualisation de Données article sur MSDN dispose de certaines ressources sur les graphiques de F#. Le FSharpChart de la bibliothèque est désormais maintenu par Carl Nolan qui publie régulièrement des mises à jour de son blog.

Il y a aussi quelques pages personnelles de gens qui travaillent sur des sujets pertinents:

• Jurgen van Gael (qui n'a de Doctorat de l'apprentissage automatique) ont contribué à la Math.NET bibliothèque et vous pouvez lire à propos de son expérience ici.

• Yin Zhu qui a écrit le Calcul Numérique chapitre sur MSDN (et est d'un PhD étudiant qui s'intéresse à l'apprentissage de la machine) a fait quelques excellents articles sur son blog.

Answer 2

En plus de ce que Tomas mentionné, j'ai passé un peu de temps avec Infer.NET il ya un an et a trouvé que c'était assez bon pour continue les modèles graphiques. Je sais que c'est beaucoup améliorées au cours de la dernière année, à la fois la portée de la bibliothèque et F# soutien. Je propose de le vérifier et voir si il a tout ce dont vous avez besoin.

Answer 3

Hal Daume a mis en place beaucoup d'algorithmes d'apprentissage automatique dans le cas d'OCaml et Haskell. De détails, voir ma réponse dans l'apprentissage de la Machine en OCaml ou Haskell?

Comme du côté du Calcul Numérique en F#, chapitre de livre sur MSDN, je voudrais également recommander mon Wrapper pour Weka, WekaSharper. Il vous permet d'appeler des algorithmes d'apprentissage automatique dans Weka à l'aide d'un F#interface facile à utiliser.

J'ai écrit un article, Pourquoi F# est le langage pour l'exploration de données, qui reflète ma pensée quand j'ai fini d'écrire un alpha/prototype d'exploration de données de paquet en F#. libml est disponible en ligne. Mais le code a été écrit il y a deux ans quand j'ai commencé à utiliser le F#, et je n'ai pas le temps pour le maintenir depuis.