Questa è l'app Linux denominata Python Outlier Detection la cui ultima versione può essere scaricata come v1.0.8.zip. Può essere eseguito online nel provider di hosting gratuito OnWorks per workstation.
Scarica ed esegui online questa app denominata Python Outlier Detection con OnWorks gratuitamente.
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
Rilevamento dei valori anomali di Python
DESCRIZIONE
PyOD è un toolkit Python completo e scalabile per rilevare oggetti periferici in dati multivariati. Questo campo entusiasmante ma impegnativo è comunemente indicato come rilevamento di valori anomali o rilevamento di anomalie. PyOD include più di 30 algoritmi di rilevamento, dal classico LOF (SIGMOD 2000) ai più recenti COPOD (ICDM 2020) e SUOD (MLSys 2021). Dal 2017, PyOD [AZNL19] è stato utilizzato con successo in numerose ricerche accademiche e prodotti commerciali [AZHC+21, AZNHL19]. PyOD ha più modelli basati su reti neurali, ad esempio AutoEncoder, che sono implementati sia in PyTorch che in Tensorflow. PyOD contiene più modelli che esistono anche in scikit-learn. È possibile addestrare e prevedere con un gran numero di modelli di rilevamento in PyOD sfruttando il framework SUOD. Viene fornito un benchmark per algoritmi selezionati per fornire una panoramica dei modelli implementati. In totale, per il confronto vengono utilizzati 17 set di dati di riferimento, che possono essere scaricati su ODDS.
Caratteristiche
- API unificate, documentazione dettagliata ed esempi interattivi su vari algoritmi
- Modelli avanzati, inclusi quelli classici di scikit-learn, i più recenti metodi di deep learning e algoritmi emergenti come COPOD
- Prestazioni ottimizzate con JIT e parallelizzazione quando possibile, utilizzando numba e joblib
- Allenamento e previsione rapidi con SUOD
- Compatibile con Python 2 e 3
- Algoritmi di rilevamento individuali
Linguaggio di programmazione
Python
Categorie
Questa è un'applicazione che può anche essere scaricata da https://sourceforge.net/projects/python-outlier-detect.mirror/. È stato ospitato in OnWorks per essere eseguito online in modo più semplice da uno dei nostri sistemi operativi gratuiti.
