Mars Learn¶
Mars learn 提供了 scikit-learn 接口，但利用了 Mars tensor 和 DataFrame 来处理大数据和并行执行。
让我们拿 mars.learn.neighbors.NearestNeighbors 作为例子。
>>> import mars.tensor as mt
>>> from mars.learn.neighbors import NearestNeighbors
>>> data = mt.random.rand(100, 3)
>>> nn = NearestNeighbors(n_neighbors=3)
>>> nn.fit(data)
NearestNeighbors(algorithm='auto', leaf_size=30, metric='minkowski',
metric_params=None, n_neighbors=3, p=2, radius=1.0)
>>> neighbors = nn.kneighbors(df)
>>> neighbors
(array([[0.0560703 , 0.1836808 , 0.19055679],
[0.07100642, 0.08550266, 0.10617568],
[0.13348483, 0.16597596, 0.20287617]]),
array([[91, 10, 29],
[68, 77, 29],
[63, 82, 21]]))
记住，fit、predict 等函数会触发立即执行。如上面的例子里的 fit 和 kneighbors。
参考 learn API 获取更多实现的 learn 接口。
Mars learn 能和 XGBoost、LightGBM、TensorFlow 以及 PyTorch 集成。