c++机器学习库 mlpack的安装及使用！

一：简介

        1.1  mlpack介绍

                mlpack是一个快速、灵活的机器学习库（c++编写），其目的是提供快速便捷的机器学习算法。mlpack将这些算法提供为简单的命令行程序，Python绑定和C ++类，然后可以在c++代码用或者Python中调用他们来完成机器学习的工作。

        1.2  mlpack集成方法

                以下是目前最新版本中存在的方法：

• mlpack_adaboost
• mlpack_approx_kfn
• mlpack_cf
• mlpack_decision_stump
• mlpack_decision_tree
• mlpack_det
• mlpack_emst
• mlpack_fastmks
• mlpack_gmm_train
• mlpack_gmm_generate
• mlpack_gmm_probability
• mlpack_hmm_train
• mlpack_hmm_loglik
• mlpack_hmm_viterbi
• mlpack_hmm_generate
• mlpack_hoeffding_tree
• mlpack_kernel_pca
• mlpack_kfn
• mlpack_kmeans
• mlpack_knn
• mlpack_krann
• mlpack_lars
• mlpack_linear_regression
• mlpack_local_coordinate_coding
• mlpack_logistic_regression
• mlpack_lsh
• mlpack_mean_shift
• mlpack_nbc
• mlpack_nca
• mlpack_pca
• mlpack_perceptron
• mlpack_radical
• mlpack_range_search
• mlpack_softmax_regression
• mlpack_sparse_coding

        1.3  使用mlpack的原因

            在我的实验中，需要用到集成学习和回归的一些预测方法，由于矩阵的计算在c++中显得不是很方便。所以我使用了mlpack和Armadillo库来方便计算，但是在安装和使用过程中遇到一些问题，所以就记录下来！

二：安装步骤

        2.1  安装依赖库

            以下三个都是mlpack的依赖库，所以必须提前安装。在linux系统中都可以通过命令直接安装。

  Armadillo     >= 6.500.0
  Boost (program_options, math_c99, unit_test_framework, serialization,
         spirit)
  CMake         >= 2.8.5

        2.2  Aramdillo 安装  （Ubuntu为例子）

            首先安装Armadillo依赖的库：lapack, blas, boost
                sudo apt-get install liblapack-dev
                sudo apt-get install libblas-dev

                sudo apt-get install libboost-dev

            接下来 安装Armadillo：

            sudo apt-get libarmadillo-dev 

            之后，安装完成，测试是否完成！以上步骤，都是应该可以直接完成的，需要Cmake和g++提前安装。

            创建一个 test.cpp，copy以下代码，用命令进行编译

g++ test.cpp -o test -larmadillo //编译命令

#include <iostream>
#include <armadillo>
using namespace std;
using namespace arma;
//test.cpp
int main(int argc,char** argv) {
    mat A=randu<mat>(4,5);
    mat B=randu<mat>(4,5);
    cout<<A*trans(B)<<endl;
    return 0;
}

        2.3  Boost库的安装

         一条命令搞定！

apt-get install libboost-math-dev libboost-program-options-dev libboost-random-dev libboost-test-dev libxml2-dev

        2.4  mlpack安装

          在mlpack的github上或者官网都可以下载到最新的版本或者你想要的版本！

tar -xzf mlpack-2.0.1.tar.gz   //tar解压
cd mlpack-2.0.1                // 进入解压后的目录
unzip mlpack-2.0.1.zip         //zip解压
cd mlpack-2.0.1                // 进入解压后的目录

           之后，建立build目录，cmake，make即可

mkdir build
cd build
cmake ../
make    
sudo make install

          到此为止，mlpack基本上就安装成功了，但是如果安装不顺利，就会有很多问题,下面是问题的汇总！

三：安装过程可能遇到的问题

        3.1  make失败或者停止！

                这个问题我遇到很多次了，有的是在Makefile文件内改编译参数可以达到目的，我没试过。我的方法是如果你的方法在其他版本也有，可以更换版本重新编译即可！

                我在3.0.1版本中编译遇到mlpakc_kfn总是make失败，所以我回退版本到2.0.2安装，果断成功！

        3.2  调用失败！

                明明已经安装成功了，为什么在测试官网上的例子总是失败呢？

                安装成功，但是你并没有将它和C++的编译连接起来，导致你调用不了。这个时候一般加上 -lmlpack -larmadillo  即可,下面给出了一个例子，可以参考下！

g++ testlars.cpp -o testlars -lmlpack -larmadillo

                若上面还是解决不了，可以参考github上面的安装步骤及在build目录下输入以下命令：

export LD_LIBRARY_PATH="/usr/local/lib/:$LD_LIBRARY_PATH"

              还是不行的话，建议百度或者google！

四：总结

            make 慢起来，那是真慢！！！