用于 Redis 的神经网络模块
机器学习 就像高中时期的性行为。每个人都说他们做了，但没有人真正做过，也没有人知道它到底是什么。 -- @Mikettownsend。
通常,机器学习 通过收集数据、训练系统,然后执行生成的程序来解决实际问题。在神经网络 Redis 中,所有这些阶段都被压缩到一个单一的 API 中:数据收集和训练都在 Redis 服务器内完成。在进行训练的同时,神经网络可以执行,并且可以多次重新训练,因为外部收集的新数据(例如用户事件)不断增加。
该项目从以下观察点出发:虽然像计算机视觉这样的复杂问题需要训练时间长、网络结构复杂的神经网络,但许多能够在许多应用中提升用户体验的回归和分类问题,可以通过前馈全连接的小型网络来解决,这些网络训练速度快、通用性强,并且对非最优参数配置具有较强的鲁棒性。
使用非常简单的 API。 * 自动数据正则化。 * 在不同线程中对神经网络进行在线训练。 * 系统在训练时可以使用 神经网络 (我们训练一份副本, 然后再合并权重)。 * 使用 RPROP (弹性反向传播) 学习算法的全连接神经网络。 * 自动训练, 并检测简单的过度训练。 目标是帮助开发人员, 特别是移动和 Web 应用程序的开发人员, 便捷地访问 机器学习, 以回答诸如:
这种用户最有可能接受哪些促销活动? * 我应该展示哪些 AD 来获得最佳转化率? * 用户最可能欣赏哪种模板? * 这种数据点未来的趋势可能是什么?
暂无开放 Issues，或尚未同步最近议题。