Java 机器学习：初学者的能力与局限

轻松学习Python，无需理论负担。在浏览器中直接解决带自动检查的实践任务，无需安装任何东西。

引言：为什么是 Java，而不是 Python？

当谈到机器学习（Machine Learning, ML）时，首先想到的语言通常是 Python。像 scikit-learn、TensorFlow 和 PyTorch 这样的库使 Python 成为了事实上的标准。然而，作为最流行的企业级语言之一，Java 在 ML 领域也拥有自己的一席之地。

对于已经熟悉 Java 或在大数据生态系统（Hadoop、Spark）中工作的初学者开发者来说，“能否用 Java 进行 ML？”这个问题并非无关紧要。答案是：可以。但有一些前提条件。

在本文中，我们将分析 Java 机器学习有哪些库和框架，展示代码示例，并诚实地告诉您起步时会遇到的局限性。

Java ML 的主要库和框架

Java 的机器学习生态系统不如 Python 丰富，但包含几个值得了解的强大工具。

1. Deep Java Library (DJL)

由 Amazon 开发，DJL 允许在 Java 上创建和训练神经网络。它支持 PyTorch、TensorFlow 和 MXNet 的后端（引擎）。这是 Java 深度学习方面最现代的库之一。

示例：创建一个用于分类的简单神经网络

import ai.djl.*;import ai.djl.ndarray.*;import ai.djl.nn.*;import ai.djl.training.*;import ai.djl.training.loss.*;

public class SimpleNeuralNetwork {    public static void main(String[] args) {        // 创建 Sequential 块        SequentialBlock block = new SequentialBlock();        block.add(Linear.builder().setUnits(128).build());        block.add(Activation::relu);        block.add(Linear.builder().setUnits(10).build());

        // 创建模型        Model model = Model.newInstance("simple-mlp");        model.setBlock(block);

        System.out.println("模型已创建: " + model.getName());    }}

2. Smile (Statistical Machine Intelligence & Learning Engine)

Smile 是一个用于经典机器学习（回归、分类、聚类、可视化）的全功能库。它用 Java 编写，不需要外部依赖。

示例：训练 K-近邻 (KNN) 模型

import smile.classification.*;import smile.data.*;import smile.data.type.*;

public class KNNDemo {    public static void main(String[] args) {        // 训练数据（示例：4 个点）        double[][] x = {{1.0, 2.0}, {2.0, 3.0}, {3.0, 1.0}, {6.0, 5.0}};        int[] y = {0, 0, 1, 1};

        // 训练 KNN，k=3        KNN knn = KNN.fit(x, y, 3);

        // 对新点进行预测        double[] newPoint = {2.5, 2.0};        int prediction = knn.predict(newPoint);

        System.out.println("预测类别: " + prediction);    }}