基于PyTorch重写sklearn，《现代大数据算法》

2019独角兽企业重金招聘Python工程师标准>>>

HyperLearn是一个基于PyTorch重写的机器学习工具包Scikit Learn，它的一些模块速度更快、需要内存更少，效率提高了一倍。

专为大数据而设计，HyperLearn可以使用50％以下的内存，并在某些模块上运行速度提高50％以上。将支持GPU，并且所有模块都是并行化的。

项目作者Daniel Han-Chen，毕业于澳大利亚新南威尔士大学，专注于AI、NLP和无监督机器学习的推荐和匹配算法。

基于HyperLearn，作者展示了如何让很多机器学习算法更快、更高效。

其中一些很酷的算法：

 ●  最小二乘法/线性回归的拟合时间相比sklearn减少70%，内存使用减少50%
 ●  由于新的并行算法，非负矩阵分解的拟合时间相比sklearn减少50%
 ●  Euclidean算法/余弦相似度算法加快40%
 ●  LSMR迭代最小二乘法时间减少50%

 ●  新的Reconstruction SVD算法——使用SVD来估算丢失的数据，比mean imputation方法好约30%

稀疏矩阵运算速度提高50％——并行化
 ●  RandomizedSVD，速度加快20%~30%
 ●  New Incremental SVD和Incremental Eig，RandomizedSVD / Truncated SVD
 ●  等等

项目地址：

转载于:https://my.oschina.net/u/3611008/blog/2878717