大数据机器学习框架（弥勒佛） MLF

**让天下没有难做的大数据模型！** # 功能 下面是弥勒佛框架解决的问题类型，括号中的斜体代表尚未实现以及预计实现的时间 * 监督式学习：[最大熵分类模型](https://github.com/huichen/mlf/blob/master/doc/maxent.md)（max entropy classifier），决策树模型（decision tree based models，_2014 Q1_） * 非监督式学习：聚类问题（k-means，_2014 Q1_） * 在线学习：[在线梯度递降模型](https://github.com/huichen/mlf/blob/master/doc/online.md)（online stochastic gradient descent） * 神经网络（_2014 Q2/3_） 项目实现了下面的组件 * 多种[数据集](https://github.com/huichen/mlf/blob/master/doc/dataset.md)（in-mem，skip） * 多种[评价器](https://github.com/huichen/mlf/blob/master/doc/eval.md)（precision，recall，f-score，accuracy，confusion）和[交叉评价](https://github.com/huichen/mlf/blob/master/doc/cross_validate.md)（cross-validation） * 多种[优化器](https://github.com/huichen/mlf/blob/master/doc/optimizer.md)：协程并发L-BFGS，梯度递降（batch, mini-batch, stochastic），[带退火的学习率](https://github.com/huichen/mlf/blob/master/doc/optimizer.md#%E5%AD%A6%E4%B9%A0%E7%8E%87)（learning rate），[L1/L2正则化](https://github.com/huichen/mlf/blob/master/doc/optimizer.md#%E6%AD%A3%E5%88%99%E5%8C%96)（regularization） * [稀疏向量](https://github.com/huichen/mlf/blob/master/doc/sparse_vector.md)（sparse vector）以存储和表达上亿级别的特征 * [特征辞典](https://github.com/huichen/mlf/blob/master/doc/dictionary.md)（feature dictionary）在特征名和特征ID之间自动翻译     现有的机器学习框架/软件包存在几个问题： * 无法处理大数据：多数Python，Matlab和R写的训练框架适合处理规模小的样本，没有为大数据优化。 * 不容易整合到实际生产系统：standalone的程序无法作为library嵌入到大程序中。 * 模型单一：一个软件包往往只解决一个类型的问题（比如监督式或者非监督式）。 * 不容易扩展：设计时没有考虑可扩展性，难以添加新的模型和组件。 * 代码质量不高：代码缺乏规范，难读懂、难维护。     弥勒佛项目的诞生就是为了解决上面的问题，在框架设计上满足了下面几个需求： * **处理大数据**：可随业务增长scale up，无论你的数据样本是1K还是1B规模，都可使用弥勒佛项目。 * **为实际生产**：模型的训练和使用都可以作为library或者service整合到在生产系统中。 * **丰富的模型**：容易尝试不同的模型，在监督、非监督和在线学习等模型间方便地切换。 * **高度可扩展**：容易添加新模型，方便地对新模型进行实验并迅速整合到生产系统中。 * **高度可读性**：代码规范，注释和文档尽可能详尽，适合初学者进行大数据模型的学习。