ນີ້ແມ່ນແອັບ Windows ທີ່ມີຊື່ວ່າ Python Outlier Detection ເຊິ່ງລຸ້ນຫຼ້າສຸດສາມາດດາວໂຫຼດໄດ້ເປັນ v1.0.8.zip. ມັນສາມາດດໍາເນີນການອອນໄລນ໌ຢູ່ໃນຜູ້ໃຫ້ບໍລິການໂຮດຕິ້ງຟຣີ OnWorks ສໍາລັບສະຖານີບ່ອນເຮັດວຽກ.
ດາວນ໌ໂຫລດແລະດໍາເນີນການອອນໄລນ໌ app ນີ້ມີຊື່ Python Outlier Detection ກັບ OnWorks ໄດ້ຟຣີ.
ປະຕິບັດຕາມຄໍາແນະນໍາເຫຼົ່ານີ້ເພື່ອດໍາເນີນການ app ນີ້:
- 1. ດາວໂຫຼດຄໍາຮ້ອງສະຫມັກນີ້ໃນ PC ຂອງທ່ານ.
- 2. ໃສ່ໃນຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 3. ອັບໂຫລດແອັບພລິເຄຊັນນີ້ຢູ່ໃນຕົວຈັດການໄຟລ໌ດັ່ງກ່າວ.
- 4. ເລີ່ມ emulator ອອນ ໄລ ນ ໌ OS OnWorks ຈາກ ເວັບ ໄຊ ທ ໌ ນີ້, ແຕ່ ດີກ ວ່າ Windows ອອນ ໄລ ນ ໌ emulator.
- 5. ຈາກ OnWorks Windows OS ທີ່ເຈົ້າຫາກໍ່ເລີ່ມຕົ້ນ, ໄປທີ່ຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 6. ດາວນ໌ໂຫລດຄໍາຮ້ອງສະຫມັກແລະຕິດຕັ້ງມັນ.
- 7. ດາວໂຫລດ Wine ຈາກບ່ອນເກັບມ້ຽນຊອບແວການແຈກຢາຍ Linux ຂອງທ່ານ. ເມື່ອຕິດຕັ້ງແລ້ວ, ທ່ານສາມາດຄລິກສອງຄັ້ງ app ເພື່ອດໍາເນີນການໃຫ້ເຂົາເຈົ້າກັບ Wine. ນອກນັ້ນທ່ານຍັງສາມາດລອງ PlayOnLinux, ການໂຕ້ຕອບທີ່ແປກປະຫຼາດໃນໄລຍະ Wine ທີ່ຈະຊ່ວຍໃຫ້ທ່ານຕິດຕັ້ງໂປລແກລມ Windows ແລະເກມທີ່ນິຍົມ.
ເຫຼົ້າແວງເປັນວິທີການແລ່ນຊອບແວ Windows ໃນ Linux, ແຕ່ບໍ່ມີ Windows ທີ່ຕ້ອງການ. ເຫຼົ້າແວງແມ່ນຊັ້ນຄວາມເຂົ້າກັນໄດ້ຂອງ Windows ແຫຼ່ງເປີດທີ່ສາມາດເອີ້ນໃຊ້ໂຄງການ Windows ໂດຍກົງໃນ desktop Linux ໃດກໍໄດ້. ໂດຍພື້ນຖານແລ້ວ, Wine ກໍາລັງພະຍາຍາມປະຕິບັດໃຫມ່ຢ່າງພຽງພໍຂອງ Windows ຕັ້ງແຕ່ເລີ່ມຕົ້ນເພື່ອໃຫ້ມັນສາມາດດໍາເນີນການຄໍາຮ້ອງສະຫມັກ Windows ທັງຫມົດໄດ້ໂດຍບໍ່ຕ້ອງໃຊ້ Windows.
ໜ້າ ຈໍ
Ad
ການກວດຫາ Python Outlier
ລາຍລະອຽດ
PyOD ແມ່ນຊຸດເຄື່ອງມື Python ທີ່ສົມບູນແບບ ແລະສາມາດຂະຫຍາຍໄດ້ເພື່ອກວດຫາວັດຖຸທີ່ຢູ່ຫ່າງໄກໃນຂໍ້ມູນຫຼາຍຕົວແປ. ພາກສະຫນາມທີ່ຫນ້າຕື່ນເຕັ້ນແຕ່ມີຄວາມທ້າທາຍນີ້ຖືກເອີ້ນໂດຍທົ່ວໄປວ່າເປັນການກວດຫາທີ່ເກີນກວ່າຫຼືການກວດຫາຄວາມຜິດປົກກະຕິ. PyOD ປະກອບມີຫຼາຍກວ່າ 30 ສູດການຊອກຄົ້ນຫາ, ຈາກຄລາສສິກ LOF (SIGMOD 2000) ເຖິງ COPOD ຫຼ້າສຸດ (ICDM 2020) ແລະ SUOD (MLSys 2021). ນັບຕັ້ງແຕ່ 2017, PyOD [AZNL19] ໄດ້ຖືກນໍາໃຊ້ຢ່າງສໍາເລັດຜົນໃນການຄົ້ນຄວ້າທາງວິຊາການຈໍານວນຫລາຍແລະຜະລິດຕະພັນການຄ້າ [AZHC+21, AZNHL19]. PyOD ມີຫຼາຍຕົວແບບທີ່ອີງໃສ່ເຄືອຂ່າຍ neural, ຕົວຢ່າງ, AutoEncoders, ເຊິ່ງຖືກປະຕິບັດຢູ່ໃນທັງ PyTorch ແລະ Tensorflow. PyOD ປະກອບມີຫຼາຍແບບທີ່ມີຢູ່ໃນ scikit-learn. ມັນເປັນໄປໄດ້ທີ່ຈະຝຶກອົບຮົມແລະຄາດຄະເນດ້ວຍຮູບແບບການກວດພົບຈໍານວນຫລາຍໃນ PyOD ໂດຍການໃຊ້ກອບ SUOD. ດັດຊະນີແມ່ນສະໜອງໃຫ້ສຳລັບລະບົບທີ່ເລືອກເພື່ອສະໜອງພາບລວມຂອງຕົວແບບທີ່ນຳໃຊ້. ໃນຈໍານວນທັງຫມົດ, 17 ຊຸດຂໍ້ມູນມາດຕະຖານຖືກນໍາໃຊ້ສໍາລັບການປຽບທຽບ, ເຊິ່ງສາມາດດາວໂຫຼດໄດ້ຢູ່ ODDS.
ຄຸນລັກສະນະ
- APIs ທີ່ເປັນເອກະພາບ, ເອກະສານລະອຽດ, ແລະຕົວຢ່າງການໂຕ້ຕອບໃນທົ່ວວິທີການຕ່າງໆ
- ຮູບແບບຂັ້ນສູງ, ລວມທັງແບບຄລາສສິກຈາກ scikit-learn, ວິທີການຮຽນຮູ້ເລິກຫຼ້າສຸດ, ແລະສູດການຄິດໄລ່ທີ່ພົ້ນເດັ່ນຂື້ນເຊັ່ນ COPOD
- ປະສິດທິພາບທີ່ດີທີ່ສຸດກັບ JIT ແລະການຂະຫນານເມື່ອເປັນໄປໄດ້, ການນໍາໃຊ້ numba ແລະ joblib
- ການຝຶກອົບຮົມໄວ & ການຄາດຄະເນກັບ SUOD
- ເຂົ້າກັນໄດ້ກັບທັງ Python 2 & 3
- ຂັ້ນຕອນການຊອກຄົ້ນຫາສ່ວນບຸກຄົນ
ພາສາການຂຽນໂປຣແກຣມ
Python
ປະເພດ
ນີ້ແມ່ນແອັບພລິເຄຊັນທີ່ຍັງສາມາດເອົາມາຈາກ https://sourceforge.net/projects/python-outlier-detect.mirror/. ມັນໄດ້ຖືກຈັດຢູ່ໃນ OnWorks ເພື່ອໃຫ້ດໍາເນີນການອອນໄລນ໌ໃນວິທີທີ່ງ່າຍທີ່ສຸດຈາກຫນຶ່ງໃນລະບົບປະຕິບັດງານຟຣີຂອງພວກເຮົາ.
