Java 统计分析工具

JSAT 是一个用于快速入门机器学习问题的库。它是在我的业余时间开发的，并以 GPL 3 许可证开放使用。该库的一部分旨在用于自我学习，因此所有代码都是自包含的。JSAT 没有任何外部依赖，纯 Java 实现。我还致力于使该库在中小型问题上具有足够的速度，因此许多代码支持并行执行。

目前 JSAT 的主分支正在进行较大的重构，以适配 Java 8。如果使用最新版本的代码，部分示例可能会出现错误，但通常只需进行少量修改即可修复。

获取 JSAT

JSAT 的当前发布版本是 0.0.9，支持 Java 6。而当前的主分支则已升级到 Java 8 及以上版本。

您可以通过 Maven Central 下载 JSAT，只需将以下内容添加到您的 pom.xml 文件中：

<dependencies>
  <dependency>
    <groupId>com.edwardraff</groupId>
    <artifactId>JSAT</artifactId>
    <version>0.0.9</version>
  </dependency>
</dependencies>

如果您希望使用最新的开发版本，但又不想自己构建，建议您访问 jitpack.io。该平台可以为您为任意特定提交版本生成一个 POM 仓库。点击链接中的“Commits”，然后选择您需要的提交版本并点击“get it”即可。

如果您想在线阅读 Javadoc 文档，可以在我的网站上找到：这里。

为什么使用 JSAT？

对于研究和专业需求，JSAT 拥有目前任何框架中数量最多的算法集合之一。不完整的算法列表请参见 此处。

此外，遗憾的是，Java 生态系统中的机器学习工具相比其他语言要少得多。与 Weka 相比，JSAT 通常 更快。

如果您希望使用 JSAT，但 GPL 许可证不适合您的情况，请随时与我联系，我们可以进一步讨论。

更多详细信息以及如何使用 JSAT 的示例，请参阅 Wiki。

注意事项

随着我即将开始计算机科学博士项目，JSAT 的更新可能会有所放缓。不过请放心，项目并未被放弃！只是我的空闲时间有限，需要同时兼顾博士学业和全职工作。如果您觉得每天有更多时间，欢迎告知我！此外，由于一些健康问题，开发进度也会进一步减缓。我会尽力及时处理各类 Bug 报告和邮件，但新功能的推出可能会稍显缓慢。建议您优先通过 GitHub Issues 进行联系。

引用

如果您在工作中使用了 JSAT 并认为它有所帮助，请记得引用相关文献！请参考发表在 JMLR 上的 JSAT 论文。如果您觉得麻烦，以下是 BibTeX 格式的引用：

@article{JMLR:v18:16-131,
author = {Raff, Edward},
journal = {Journal of Machine Learning Research},
number = {23},
pages = {1--5},
title = {JSAT: Java Statistical Analysis Tool, a Library for Machine Learning},
url = {http://jmlr.org/papers/v18/16-131.html},
volume = {18},
year = {2017}
}

JSAT 快速上手指南

JSAT (Java Statistical Analysis Tool) 是一个纯 Java 编写的机器学习库，无需外部依赖，专注于中小规模数据的高效处理与并行计算。它提供了丰富的算法集合，且在许多场景下比 Weka 更快。

环境准备

• 操作系统：跨平台（Windows, Linux, macOS）
• JDK 版本：
  • 稳定版 (v0.0.9)：要求 Java 6 及以上。
  • 开发版 (Master 分支)：要求 Java 8 及以上（正在进行重构）。
• 构建工具：Maven 或 Gradle（推荐 Maven）。
• 依赖：无外部第三方依赖库。

安装步骤

方式一：通过 Maven Central 安装（推荐稳定版）

在你的项目 pom.xml 文件的 <dependencies> 部分添加以下配置：

<dependencies>
  <dependency>
    <groupId>com.edwardraff</groupId>
    <artifactId>JSAT</artifactId>
    <version>0.0.9</version>
  </dependency>
</dependencies>

提示：国内开发者若下载缓慢，可在 settings.xml 中配置阿里云 Maven 镜像加速。

方式二：通过 JitPack 安装（最新开发版）

如果你需要使用最新的 Commit 版本（基于 Java 8+），可以使用 JitPack。

1. 在 pom.xml 中添加 JitPack 仓库：

   <repositories>
       <repository>
           <id>jitpack.io</id>
           <url>https://jitpack.io</url>
       </repository>
   </repositories>
   

2. 添加依赖（将 {commit-hash} 替换为你需要的具体提交哈希值）：

   <dependency>
       <groupId>com.github.EdwardRaff</groupId>
       <artifactId>JSAT</artifactId>
       <version>{commit-hash}</version>
   </dependency>
   

基本使用

JSAT 的设计目标是代码自包含且易于上手。以下是一个最简单的分类器训练与预测示例流程。

核心概念

JSAT 的核心数据结构是 Vec (向量) 和 DataSet (数据集)。大多数算法实现了 Classifier 或 Regressor 接口。

代码示例

以下示例展示了如何创建一个简单的数据集，训练一个决策树分类器，并进行预测：

import jsat.classifiers.Classifier;
import jsat.classifiers.DataPoint;
import jsat.classifiers.bayes.NaiveBayes;
import jsat.dataVec.DataSet;
import jsat.dataVec.Vec;
import jsat.support.data.GenData;

public class QuickStart {
    public static void main(String[] args) {
        // 1. 准备数据
        // 这里使用内置工具生成一些随机演示数据，实际使用中可从文件加载
        DataSet trainData = GenData.generateLinearData(100, 5); 
        DataSet testData = GenData.generateLinearData(20, 5);

        // 2. 选择并初始化模型
        // JSAT 支持多种算法，例如 NaiveBayes, DecisionTree, SVM 等
        Classifier classifier = new NaiveBayes();

        // 3. 训练模型
        // cloneAndTrain 会克隆模型并在当前线程训练（支持并行设置的算法会自动利用多核）
        classifier = classifier.cloneAndTrain(trainData);

        // 4. 进行预测
        for (int i = 0; i < testData.size(); i++) {
            DataPoint dp = testData.getDataPoint(i);
            int trueLabel = testData.getCategoricalValue(i, 0);
            
            // 预测类别
            int predictedLabel = classifier.classify(dp);
            
            System.out.println("真实值：" + trueLabel + " | 预测值：" + predictedLabel);
        }
        
        // 5. 评估准确率
        double accuracy = classifier.accuracy(testData);
        System.out.println("测试集准确率：" + accuracy);
    }
}

下一步

• 访问 JSAT Wiki 查看完整的算法列表和高级用法。
• 在线查阅 Javadoc 文档 了解具体类的 API 细节。