इस प्रोजेक्ट के बारे में

Strata Mojo में लिखी गई एक मशीन लर्निंग और लीनियर अलजेब्रा लाइब्रेरी है, जिसे scikit-learn-संगत एस्टीमेटर और नेटिव SIMD व LAPACK त्वरण के साथ डिज़ाइन किया गया है। यह ML के व्यापक क्षेत्रों को कवर करती है: लीनियर मॉडल (LinearRegression, Ridge, Lasso, ElasticNet, LogisticRegression, SGD), SVM (LinearSVC, LinearSVR), नेव बेज़ (GaussianNB, MultinomialNB, BernoulliNB, ComplementNB), डिसीज़न ट्री और एन्सेम्बल (RandomForest, HistGradientBoosting), क्लस्टरिंग (KMeans, MiniBatchKMeans, DBSCAN), निकटतम पड़ोसी (KNeighbors, KDTree), डीकंपोज़िशन (PCA, TruncatedSVD), प्रीप्रोसेसिंग (स्केलर, एनकोडर, इम्प्यूटर, पोलिनोमियल फीचर्स), मॉडल चयन (क्रॉस-वैलिडेशन, ग्रिड/रैंडमाइज़्ड सर्च), और मूल्यांकन मेट्रिक्स। लाइब्रेरी डेंस और स्पार्स मैट्रिक्स कंटेनर (Matrix, CSRMatrix, CSCMatrix), मॉडल पर्सिस्टेंस के लिए जीरो-कॉपी बाइनरी सीरियलाइज़ेशन, और कंपोज़ेबल Pipeline स्ट्रक्चर प्रदान करती है। प्रदर्शन बेंचमार्क मानक वर्कलोड पर scikit-learn की तुलना में 1.1x से 3x तक की गति दर्शाते हैं, साथ ही बिट-फॉर-बिट गणितीय समानता बनाए रखते हैं। इंस्टॉलेशन Prefix.dev पर Modular Community चैनल से Pixi के माध्यम से उपलब्ध है। लाइब्रेरी दो निष्पादन मोड का समर्थन करती है: शुद्ध Mojo रूटीन जिनमें कोई बाहरी निर्भरता नहीं होती, और SVD, QR, Cholesky, तथा eigenvalue डीकंपोज़िशन जैसे उन्नत लीनियर अलजेब्रा ऑपरेशनों के लिए LAPACK/BLAS-त्वरित सॉल्वर।