MLJ.jl 生态系统概述

当你在Julia中开始使用监督学习算法时，你会很快认识到，一个一致且全面的框架是必需的。手动与各种算法专用包对接，每个包都有自己的API和数据要求，可能是一个繁琐且易出错的过程。MLJ.jl（Julia中的机器学习）正好在此发挥作用。MLJ.jl 作为一个核心，为Julia中的机器学习任务提供统一的接口和丰富的工具集。你可以把它想象成一位指挥家，协调众多不同的“乐器”（每个都是一个强大的算法），以创建和谐的机器学习流程。

MLJ.jl 不仅仅是一个单一的包，而是一个生态系统的核心，旨在简化和规范机器学习模型的构建、评估和调优过程。它的设计理念围绕着几个重要原则：

• 统一接口： MLJ.jl 为广泛的机器学习模型提供一致的API，无论它们是Julia原生实现（如GLM.jl或DecisionTree.jl中的模型）还是外部库的封装（如LIBSVM.jl）。这意味着你只学一种方式就能与模型交互，而不必管它们的底层实现。
• 关注点分离： 模型的规范（其类型和超参数）与在数据上训练它的过程是分开的。这种分离有助于代码更清晰，工作流程更灵活。
• 数据无关性与科学类型： MLJ.jl 使用 ScientificTypes.jl 来管理数据类型。你无需担心你的输入是 Float64 还是 Int32，而是指定科学类型，例如数值特征的 Continuous 或分类目标的 Multiclass。MLJ 随后确保数据被模型正确处理。
• 模型组合： MLJ.jl 旨在组合复杂的工作流程。预处理步骤、模型，甚至后处理都可以链接成管道，然后被视为单一的复合模型。

MLJ.jl 的核心组成部分

要有效使用 MLJ.jl，理解其主要组成部分会很有帮助：

1. 模型： 在 MLJ.jl 中，“模型”指一个特定算法（例如，LinearRegressor、DecisionTreeClassifier）及其超参数。你首先指定要使用的模型类型，然后创建它的一个实例，并可自定义其超参数。MLJ 提供一个可用模型的注册表，方便查找和加载它们。例如，要使用决策树分类器，你可能需要使用 MLJ.load("DecisionTreeClassifier", pkg="DecisionTree") 来加载它。

2. 数据： MLJ.jl 期望数据以其科学类型可以确定的方式呈现。通常，特征 X 以表格（如 DataFrame）形式提供，目标 y 以向量形式提供。ScientificTypes.jl 帮助 MLJ 识别你的特征是连续的、计数的、分类的（多类或有序因子）等。这使得 MLJ 能够进行检查并确保数据和模型之间的兼容性。例如，回归模型期望 Continuous 目标，而分类模型可能期望 Multiclass 目标。

3. 机器 (Machines)： machine 是 MLJ 中的一个核心对象。它将模型与数据绑定。你通过将模型实例与你的训练数据（X 和 y）配对来创建机器。例如：mach = machine(model, X, y)。机器随后成为你用于训练和预测的对象。它在训练后存储学习到的参数。

4. 操作： 有了机器，你就可以对其执行操作：

   • fit!(mach)：使用创建机器时提供的数据训练模型。学习到的参数存储在机器内部。
   • predict(mach, X_new)：使用训练好的模型对新的、未见过的数据 X_new 进行预测。
   • transform(mach, X_new)：如果模型是一个转换器（例如，像PCA这样的降维模型），则对 X_new 应用转换。
   • fitted_params(mach)：允许你检查模型的学习参数。

生态系统结构

MLJ.jl 自身提供了核心框架。实际的模型实现通常位于单独的、专门的包中。MLJModels.jl 充当注册表，并提供必要的样板代码，使这些外部包能够与 MLJ.jl API 对接。这种模块化设计使 MLJ.jl 保持精简，同时允许访问不断增长的算法集合。

这里是这些组成部分如何交互的简化视图：

MLJ.jl 生态系统将用户连接到一个核心框架，该框架管理来自各种提供者包的模型，并通过专门的数据类型处理数据。

这种结构使得 MLJ.jl 既灵活又可扩展。通过在 MLJModels.jl 中添加适当的接口，新模型可以轻松集成到生态系统中，而无需修改 MLJ.jl 核心。

如果你有Python的scikit-learn使用经验，你会发现MLJ.jl的目标很熟悉：提供一个用于常见机器学习任务的统一工具包。然而，MLJ.jl 是从头开始设计的，旨在利用Julia的特定优势，例如多重分派、丰富的类型系统以及数值计算的高性能。这通常会带来更通用和可组合的模型实现。

在本章的学习中，你将看到这些组成部分的实际运作。我们将从加载数据开始，从 MLJ 注册表中选择模型，将它们封装在机器中，然后训练和评估它们。理解 MLJ.jl 的这种整体结构将使你更容易理解具体的例子并在Julia中构建你自己的复杂机器学习解决方案。