loom：一款支持流式处理的跨模态推理引擎

织机 Loom 是一个用于跨分类模型的流式推理和查询引擎。 数据类型 Loom 学习具有数百个特征和数百万行的稀疏异构表格数据模型。 Loom 目前支持以下特征类型和模型： 布尔字段作为 Beta-Bernoulli 具有多达 256 个值的分类字段作为狄利克雷离散 作为 Dirichlet-Process-Discrete 的*分类字段 将字段计数为 Gamma-Poisson 作为正态-逆-卡方-正态的实数场 作为退化实数和稠密实数的混合的稀疏实数场 文本和关键字字段作为单词缺失/存在的布尔值 日期字段作为绝对、相对和循环部分的组合 可选字段作为布尔值加上上述特征模型之一 有关详细信息，请参阅。 数据规模 Loom 目标大小为 100-1000 列 10^3-10^9 行的表格数据集。 为了处理大型数据集， 使用加速退火计划实现子样本退火 ，并自适应地关闭无效的推理策略。 Lo