linux mlpack C++开发笔记

linux(ubuntu) mlpack C++开发笔记

　　一般在项目开发中,对算法进行性能评估的时候,我会选择python进行数据处理,以及算法评估,评估完成后,为了将算法整合进项目中,就得利用C++/C来实现,主要是因为在涉及大批量数据处理时,python的效率实在捉襟见肘.

　　mlpack是一个利用C++编写的机器学习库,以其强大,灵活著称.官网地址:   http://www.mlpack.org/         

　　官网也有安装指南https://www.mlpack.org/doc/mlpack-3.1.1/doxygen/build.html,从源码编译,过程摘抄如下:

　　需要先安装一些依赖:

　　# apt-get install libboost-math-dev libboost-program-options-dev libboost-test-dev libboost-serialization-dev libarmadillo-dev binutils-dev

python-pandas python-numpy cython python-setuptools

　　主要用到的是armadillo(一个线性代数库). boost等,想要看懂源码的话需要了解一下armadillo的一些常见类型与操作(主要就是矩阵操作).

 

 

　　$ wget https: //www.mlpack.org/files/mlpack-3.1.1.tar.gz

　　$ tar -xvzpf mlpack-3.1.1.tar.gz

　　$ mkdir mlpack-3.1.1/build && cd mlpack-3.1.1/build

　　$ cmake ../

　　$ make -j4 # The -j is the number of cores you want to use for a build.

　　$ sudo make install

 

假设我们已经按照上述步骤完成了安装,接下来使用kmeans算法对数据进行cluster(选择最简单的naive_kmeans,其他方式见--help,或者看一下源码,注释很详细):

#include <stdio.h>

#include "mlpack/core.hpp"

#include "mlpack/core.hpp"

#include "mlpack/core/data/load.hpp"

#include "mlpack/methods/kmeans/kmeans.hpp"

using namespace arma;

using namespace mlpack;

using namespace mlpack::kmeans;

int main(){

　　std::cout<<"loading data"<<endl;

　　arma::mat dataset;//matrice

　　arma::mat centroids;// 聚类的中心点

　　arma::Row<size_t> assignments;//result

　　bool loaded = mlpack::data::Load("src_file.csv", dataset);//dataset 存储读入的数据, mlpack的读入的数据是以列为存储对象的,load函数会自动

　　//完成转置

　　if(load == false){return -1;}

　　KMeans<>k;//全部选择默认配置

　　k.Cluster(dataset, 2, assignments, centroids);//2 代表分为两类, assignments存储每个数据对应的类别

　　//输出结果

　　for(auto i = 0; i < assignments.size(); i++){

　　　　std::cout<<assignments.col(i)<<std::endl;

　　}

　　return 0;

}

编译语句:

　　g++ -g src.cpp -std==c++11 -o test.o -lmlpack -larmadillo

更多示例在:https://www.mlpack.org/doc/mlpack-3.1.1/doxygen/kmtutorial.html

//遇到无法连接到mllpack的error :export LD_LIBRARY_PATH=/usr/local/lib

//遇到其他无法找到的*.so, 先找到so文件的位置:/home/anaconda3/lib/*.so,接着:

export LD_LIBRARY_PATH="/home/anaconda3/lib/:$LD_LIBRARY_PATH"