最近Shogun – A Large Scale Machine Learning Toolbox という機械学習のツールボックスを使い始めたので，shogunについて紹介します．
まず紹介ページの英語を適当に日本語に訳してみます．
SHOGUNは大規模なカーネル法と特にサポートベクタマシン(Support Vector Machine: SVM)[1]に重点を置いている機械学習ツールボックスである．いろいろなSVM実装（OCAS [21], Liblinear [20], LibSVM [2], SVMLight, [3] SVMLin [4] and GPDT [5]）に対するインターフェースになる汎用的なSVMオブジェクトを提供する．SVMは様々なカーネルと組み合わせることができる．このツールボクスは線形カーネル，多項式カーネル，ガウシアンカーネル，シグモイドカーネルだけでなく，Locality Improved [6], Fischer [7], TOP [8], Spectrum [9], Weighted Degree Kernel (with shifts) [10] [11] [12]なども提供する．また効率的なLINADD [12]最適化法も実装している．線形SVMに対して，COFFIN framework [22][23]は疎行列，密行列他様々なデータタイプの混合に対してもオンデマンドで処理ができる．さらにSHOGUNは様々なpre-computedなカーネルで動くようになっている．重要なものとしては，サブカーネルの重み付き線形和による結合カーネルがある．この各サブカーネルは必ずしも同じドメインである必要はない．最適なサブカーネルの重みはMultiple Kernel Learning (MKL) [13][14][18][19]で学習できる．現在SVMは，1クラス，2クラス，多クラス分類，回帰問題を扱える．SHOGUNは線形判別分析(Linear Discriminant Analysis: LDA)，線形計画マシン(Linear Programming Machine: LPM)，パーセプトロン((Kernel) Perceptrons)，隠れマルコフモデル(Hidden Markov Model)も実装されている．入力データは様々な型の疎・密行列を利用することができる．平均を引くなどの一連の前処理を各入力データに適用することもできる．
SHOGUNはC++で実装されており，Matlab, R, Octave, Python, Java, Ruby向けのインタフェースが用意されており，機械学習のオープンソースソフトウェアとして公開されている．
長々と書きましたが，重要なのは以下のポイントになります．
- 様々なSVM実装が利用できる
- 様々なカーネルを使える
- SVM以外にもLDAとかHMMとかいろいろ使える
- C++/Matlab/R/Octave/Python/Ruby/Javaなどで使える
- オープンソースソフトウェアである
関西CV・PRML勉強会で紹介した時のスライドはこちらにあります．
僕はこのツールボックスを，Pythonから利用しはじめました．スライド中ではapt-getやMacPortsでインストールできると言っていますが，サンプルコードなどを入手したい場合は，gitを使ってソースコードをダウンロードし，コンパイルしてインストールするのがお勧めです．
gitがインストールされているならば
git clone git://github.com/shogun-toolbox/shogun.git git clone git://github.com/shogun-toolbox/shogun-data.git
のコマンドで，shogunディレクトリとshogun-dataディレクトリができます．shogunディレクトリにはshogunのソースコードとサンプルコードが，shogun-dataディレクトリにはサンプルのデータが入っています．
ソースコードをダウンロードしたら，
cd shogun/src ./configure make
し，管理者権限で
make install
することでインストールすることができます．
./configureの前に，swigがインストールされていないとpythonなどからの利用ができないので，先にインストールしておく必要があります．これはapt-getやMacPortsなどでインストールすることができます．
サンプルコードを動かすためには，サンプルデータのディレクトリの設定をする必要があります．shogunディレクトリ中で
rmdir data ln -s ../shogun-data data
としてリンクを張っておく，もしくはshogun-dataの中身をshogun/dataへ移動すると完了です．
次のエントリではPython版のサンプルコードを動かすためのノウハウについて書きます．