Бібліотека написана на C/C++.
Підтримувані завдання ML: логістична регресія і лінійний SVM.
Підтримувані формулювання проблеми:
L2-регуляризована логістична регресія
L2-loss
L1-loss лінійні SVM
Підхід для L1-SVM і L2-SVM є методом координатного спуску. Для логістичної регресії, а також L2-SVM, LibLinear реалізує trust region метод Ньютона. Для багатокласових завдань LibLinear реалізує стратегію «один проти інших» і метод Крамера і Зінгера. Код навчання SVM з бібліотеки часто використовується в інших наборах інструментів ML з відкритим вихідним кодом, включаючи GATE, KNIME, Orange і scikit-learn.
Бібліотека дуже популярна в громаді відкритого вихідного коду ML (вона випущена під ліцензією 3-clause BSD license). LibLinear версія 2.30 була випущена в березні 2019 року.
Сильні сторони:
Призначена для вирішення масштабних завдань лінійної класифікації.
Має відкритий вихідний код, добре підтримуваний і спеціалізований інструмент з високою популярністю в громаді відкритого вихідного коду ML.
Слабкі сторони:
Обмежена задачами логістичної регресії і лінійного SVM.