.png){kind=icon}
返回
ExeKGLib: A Platform for Machine Learning Analytics Based on Knowledge Graphs
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-09530-5_4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
如今，机器学习（ML）从业者可以访问众多在线ML库。此类库可用于创建ML流水线，该流水线由一系列步骤组成，每一步骤可能调用多个用于各种数据驱动分析任务的ML库。开发高质量的ML流水线并非易事；它需要培训、ML专业知识以及对每个步骤的精心开发。与此同时，科学与工程领域的专家可能不具备此类ML专业知识及培训，但他们迫切需要基于ML的分析。本文介绍了我们的ExeKGLib，这是一个带有图形界面层的Python库，允许具有最少ML知识的用户构建ML流水线。这是通过依赖知识图谱实现的，知识图谱以非ML专家易于理解的方式编码ML知识。ExeKGLib还允许提高所构建ML工作流程的透明度和可重用性，并确保其可执行。我们通过展示实际用例来证明ExeKGLib的可用性和实用性。
Keyword:
Machine Learning
Knowledge Graphs
ML Pipelines
Non-expert Users
Python Library
期刊
S
IF:
0
论文数:
24
被引数:
0
机构
引用论文
No-Code ML Pipeline Development: Leveraging Knowledge Graphs and Language Models无代码机器学习流水线开发：利用知识图谱和语言模型
PREAI
分享收藏分享收藏“Semantics Inside!” But Let’s Not Tell the Data Miners: Intelligent Support for Data Mining“语义在里面！”但别告诉数据挖掘者：数据挖掘的智能支持
PREAI
分享收藏分享收藏Experiment databases A new way to share, organize and learn from experiments实验数据库一种分享、组织和从实验中学习的新方法.png)
MACHINE LEARNING
OAAI
MACHINE LEARNINGIF2.9
OAAI分享收藏
查看更多内容