使用Rust构建高性能机器学习模型-51CTO.COM

译者 | 布加迪

审校 | 重楼

机器学习主要使用Python来完成。Python之所以大受欢迎，是由于它易于学习，并且有许多机器学习库。而现在，Rust正成为一种强有力的替代语言。Rust速度快，使用内存安全机制，并擅长同时处理多个任务。这些功能特性使Rust非常适合高性能机器学习。

Linfa是Rust中的一个库，可以帮助你构建机器学习模型。它使你更容易用Rust创建和使用机器学习模型。我们在本文中将向你介绍如何使用Linfa完成两种机器学习任务：线性回归和k-means聚类。

为什么Rust适合机器学习？

由于以下几个优势，Rust越来越多地被考虑用于机器学习：

1. 性能：Rust是一种编译语言，这使得它的性能特征接近C和C++。它可以从底层控制系统资源，又没有垃圾收集器，因而非常适合机器学习之类注重性能的应用。

2. 内存安全：Rust的突出特性之一是它的所有权模式，这保证了内存安全，不需要垃圾收集器。它消除了许多常见的编程错误，比如空指针解引用或数据竞争。

3. 并发：Rust的并发模式确保了安全并行处理。机器学习常常涉及大型数据集和大量计算。Rust可以高效地处理多线程操作。其所有权系统防止了数据竞争和内存问题。

Linfa简介

Linfa是一个面向Rust的机器学习库。它提供各种机器学习算法，酷似Python的scikit-learn。该库与Rust的生态系统很好地集成。它支持高性能数据操作、统计和优化。Linfa包括线性回归、k-means聚类和支持向量机等算法。这些实现高效且易于使用。开发人员可以利用Rust的速度和安全来构建强大的机器学习模型。

不妨通过两个简单但重要的例子来探索如何使用Linfa以构建机器学习模型：线性回归和k-means聚类。

搭建环境

首先确保已安装了Rust。如果没有，使用以下命令通过rustup来安装它：

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

接下来，将Linfa和相关依赖项添加到你的项目中。打开你的Cargo.toml文件，添加以下内容：

[dependencies]
linfa = "0.5.0"
linfa-linear = "0.5.0" # For linear regression
linfa-clustering = "0.5.0" # For k-means clustering
ndarray = "0.15.4" # For numerical operations
ndarray-rand = "0.14.0" # For random number generation

完成这一步后，你就可以使用Linfa实现机器学习模型了。

Rust的线性回归

线性回归是最简单、最常用的监督学习算法之一。它通过将线性方程拟合到观测的数据中，为因变量y与一个或多个自变量x之间的关系建立模型。在本节中，我们将探究如何使用Rust的Linfa库实现线性回归。

准备数据

为了理解和测试线性回归，我们需要从一个数据集入手。

use ndarray::{Array2, Axis};

fn generate_data() -> Array2 {
 let x = Array2::::from_shape_vec((10, 1), vec![1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, 10.0]).unwrap();
 let y = x.mapv(|v| 2.0 * v + 1.0);
 let data = ndarray::stack(ndarray::Axis(1), &[x.view(), y.view()]).unwrap();
 data
}

在这里，我们模拟了一个简单的数据集，其中x与y的关系遵循公式：y=2x+1。

训练模型

在准备好数据集之后，我们使用Linfa的LinearRegression（线性回归）模块来训练模型。训练需要通过最小化预测值与实际值之间的误差来确定线性方程（y=mx+c）的系数。使用Linfa的LinearRegression模块，我们在这个数据集上训练了回归模型。

use linfa::prelude::*;
use linfa_linear::LinearRegression;

fn train_model(data: Array2) -> LinearRegression {
 let (x, y) = (data.slice(s![.., 0..1]), data.slice(s![.., 1..2]));
 LinearRegression::default().fit(&x, &y).unwrap()
}

重点：

fit方法学习最适合数据的直线的斜率和截距。
unwrap处理训练期间可能发生的任何错误。

进行预测

在训练模型之后，我们可以用它来预测新数据的结果。

fn make_predictions(model: &LinearRegression, input: Array2) -> Array2 {
 model.predict(&input)
}

fn main() {
 let data = generate_data();
 let model = train_model(data);
 let input = Array2::from_shape_vec((5, 1), vec![11.0, 12.0, 13.0, 14.0, 15.0]).unwrap();
 let predictions = make_predictions(&model, input);
 println!("Predictions: {:?}", predictions);
}

对于输入值[11.0,12.0,13.0,14.0,15.0]，预测结果如下：

Predictions: [[23.0], [25.0], [27.0], [29.0], [31.0]]

这个输出对应于y=2x+1。

Rust的K-means聚类

K -means聚类是一种无监督学习算法，它根据相似性将数据划分为k个聚类。

准备数据

为了演示K-means聚类，我们使用ndarray-rand crate生成一个随机数据集。

use ndarray::Array2;
use ndarray_rand::RandomExt;
use rand_distr::Uniform;

fn generate_random_data() -> Array2 {
 let dist = Uniform::new(0.0, 10.0);
 Array2::random((100, 2), dist)
}

这将创建随机点的100x2矩阵，模拟二维数据。

训练模型

train_kmeans_model函数使用Linfa的KMeans模块将数据分组到k=3个聚类中。

use linfa_clustering::KMeans;
use linfa::traits::Fit;

fn train_kmeans_model(data: Array2) -> KMeans {
 KMeans::params(3).fit(&data).unwrap()
}

重点：

KMeans::params(3)表示3个聚类。
fit方法基于数据学习聚类质心。

指定聚类

在训练之后，我们可以将每个数据点分配给其中一个聚类。

fn assign_clusters(model: &KMeans, data: Array2) {
 let labels = model.predict(&data);
 println!("Cluster Labels: {:?}", labels);
}

fn main() {
 let data = generate_random_data();
 let model = train_kmeans_model(data);
 assign_clusters(&model, data);
}

输出将显示分配给每个数据点的聚类标签。每个标签将对应于三个聚类中的一个。

结论

Rust是创建快速机器学习模型的上佳选择。它通过内存安全机制确保处理数据时没有错误。Rust还可以同时使用多个线程，这在处理机器学习中的大型数据集时非常重要。

Linfa库使得你用Rust实现机器学习变得更容易。它可以帮助你轻松使用线性回归和K-means聚类等算法。Rust的所有权系统确保内存安全，又不需要垃圾收集。处理多线程的功能可以防止在处理大量数据时出现错误。

原文标题：Building High-Performance Machine Learning Models in Rust，作者：Jayita Gulati