EnglishFranceseSpagnolo

Favicon di OnWorks

ExSTRACS

Scarica gratuitamente l'app Linux ExSTRACS per l'esecuzione online in Ubuntu online, Fedora online o Debian online

Questa è l'app Linux denominata ExSTRACS la cui ultima versione può essere scaricata come ExSTRACS_v2.1.zip. Può essere eseguito online nel provider di hosting gratuito OnWorks per workstation.

Scarica ed esegui online gratuitamente questa app denominata ExSTRACS con OnWorks.

Segui queste istruzioni per eseguire questa app:

- 1. Scaricata questa applicazione sul tuo PC.

- 2. Entra nel nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.

- 3. Carica questa applicazione in tale file manager.

- 4. Avviare l'emulatore online OnWorks Linux o Windows online o l'emulatore online MACOS da questo sito Web.

- 5. Dal sistema operativo OnWorks Linux che hai appena avviato, vai al nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.

- 6. Scarica l'applicazione, installala ed eseguila.

IMMAGINI

Ad


ExSTRACS


DESCRIZIONE

Questo avanzato algoritmo di apprendimento automatico è un sistema di classificazione dell'apprendimento (LCS) in stile Michigan sviluppato per specializzarsi in attività di classificazione, previsione, data mining e scoperta della conoscenza. Gli algoritmi LCS in stile Michigan costituiscono una classe unica di algoritmi che distribuiscono modelli appresi su una popolazione collaborativa di regole IF:THEN interpretabili individualmente, consentendo loro di descrivere in modo flessibile ed efficace spazi problematici complessi e diversi. ExSTRACS è stato sviluppato principalmente per affrontare i problemi nell'estrazione di dati epidemiologici per identificare modelli complessi che mettono in relazione gli attributi predittivi in ​​set di dati rumorosi ai fenotipi di malattie di interesse. ExSTRACS combina una serie di recenti progressi in un'unica piattaforma algoritmica. Può gestire in modo flessibile (1) attributi discreti o continui, (2) dati mancanti, (3) set di dati bilanciati o sbilanciati e (4) classi binarie o multiple. È inclusa una guida utente completa per ExSTRACS. Codificato in Python 2.7.



Pubblico

Industria finanziaria e assicurativa, Scienza/Ricerca, Istruzione



Linguaggio di programmazione

Python


Categorie

Bioinformatica, Machine Learning

Questa è un'applicazione che può anche essere scaricata da https://sourceforge.net/projects/exstracs/. È stato ospitato in OnWorks per essere eseguito online nel modo più semplice da uno dei nostri sistemi operativi gratuiti.


Ad