Il s'agit de l'application Windows nommée Python Outlier Detection dont la dernière version peut être téléchargée en tant que v1.0.8.zip. Il peut être exécuté en ligne dans le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne cette application nommée Python Outlier Detection avec OnWorks gratuitement.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez n'importe quel émulateur en ligne OS OnWorks à partir de ce site Web, mais un meilleur émulateur en ligne Windows.
- 5. Depuis le système d'exploitation OnWorks Windows que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application et installez-la.
- 7. Téléchargez Wine depuis les dépôts de logiciels de vos distributions Linux. Une fois installé, vous pouvez ensuite double-cliquer sur l'application pour les exécuter avec Wine. Vous pouvez également essayer PlayOnLinux, une interface sophistiquée sur Wine qui vous aidera à installer des programmes et des jeux Windows populaires.
Wine est un moyen d'exécuter un logiciel Windows sur Linux, mais sans Windows requis. Wine est une couche de compatibilité Windows open source qui peut exécuter des programmes Windows directement sur n'importe quel bureau Linux. Essentiellement, Wine essaie de ré-implémenter suffisamment de Windows à partir de zéro pour qu'il puisse exécuter toutes ces applications Windows sans avoir réellement besoin de Windows.
CAPTURES D'ÉCRAN
Ad
Détection des valeurs aberrantes Python
DESCRIPTION
PyOD est une boîte à outils Python complète et évolutive permettant de détecter des objets aberrants dans des données multivariées. Ce domaine passionnant mais difficile est communément appelé détection de valeurs aberrantes ou détection d'anomalies. PyOD comprend plus de 30 algorithmes de détection, du LOF classique (SIGMOD 2000) au dernier COPOD (ICDM 2020) et SUOD (MLSys 2021). Depuis 2017, PyOD [AZNL19] a été utilisé avec succès dans de nombreuses recherches académiques et produits commerciaux [AZHC+21, AZNHL19]. PyOD dispose de plusieurs modèles basés sur des réseaux neuronaux, par exemple, des codeurs automatiques, qui sont implémentés à la fois dans PyTorch et Tensorflow. PyOD contient plusieurs modèles qui existent également dans scikit-learn. Il est possible de s'entraîner et de prédire avec un grand nombre de modèles de détection dans PyOD en tirant parti du cadre SUOD. Un benchmark est fourni pour certains algorithmes afin de fournir une vue d'ensemble des modèles implémentés. Au total, 17 ensembles de données de référence sont utilisés à des fins de comparaison, qui peuvent être téléchargés sur ODDS.
Fonctionnalités
- API unifiées, documentation détaillée et exemples interactifs sur divers algorithmes
- Modèles avancés, y compris les modèles classiques de scikit-learn, les dernières méthodes d'apprentissage en profondeur et les algorithmes émergents comme COPOD
- Performances optimisées avec JIT et parallélisation lorsque cela est possible, en utilisant numba et joblib
- Entraînement et prédiction rapides avec SUOD
- Compatible avec Python 2 et 3
- Algorithmes de détection individuels
Langage de programmation
Python
Catégories
Il s'agit d'une application qui peut également être récupérée à partir de https://sourceforge.net/projects/python-outlier-detect.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.
