Jest to aplikacja systemu Windows o nazwie Python Outlier Detection, której najnowszą wersję można pobrać jako v1.0.8.zip. Można go uruchomić online w darmowym dostawcy usług hostingowych OnWorks dla stacji roboczych.
Pobierz i uruchom online tę aplikację o nazwie Python Outlier Detection with OnWorks za darmo.
Postępuj zgodnie z tymi instrukcjami, aby uruchomić tę aplikację:
- 1. Pobrałem tę aplikację na swój komputer.
- 2. Wpisz w naszym menedżerze plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 3. Prześlij tę aplikację w takim menedżerze plików.
- 4. Uruchom dowolny emulator online systemu operacyjnego OnWorks z tej witryny, ale lepszy emulator online systemu Windows.
- 5. W systemie operacyjnym OnWorks Windows, który właśnie uruchomiłeś, przejdź do naszego menedżera plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 6. Pobierz aplikację i zainstaluj ją.
- 7. Pobierz Wine z repozytoriów oprogramowania dystrybucji Linuksa. Po zainstalowaniu możesz dwukrotnie kliknąć aplikację, aby uruchomić ją za pomocą Wine. Możesz także wypróbować PlayOnLinux, fantazyjny interfejs w Wine, który pomoże Ci zainstalować popularne programy i gry Windows.
Wine to sposób na uruchamianie oprogramowania Windows w systemie Linux, ale bez systemu Windows. Wine to warstwa kompatybilności z systemem Windows typu open source, która może uruchamiać programy systemu Windows bezpośrednio na dowolnym pulpicie systemu Linux. Zasadniczo Wine próbuje ponownie zaimplementować system Windows od podstaw, aby mógł uruchamiać wszystkie te aplikacje Windows bez faktycznego korzystania z systemu Windows.
ZRZUTY EKRANU
Ad
Wykrywanie wartości odstających w Pythonie
OPIS
PyOD to wszechstronny i skalowalny zestaw narzędzi w języku Python do wykrywania oddalonych obiektów w danych wielowymiarowych. Ta ekscytująca, ale wymagająca dziedzina jest powszechnie określana jako wykrywanie wartości odstających lub wykrywanie anomalii. PyOD zawiera ponad 30 algorytmów wykrywania, od klasycznego LOF (SIGMOD 2000) do najnowszego COPOD (ICDM 2020) i SUOD (MLSys 2021). Od 2017 roku PyOD [AZNL19] jest z powodzeniem stosowany w licznych badaniach naukowych i produktach komercyjnych [AZHC+21, AZNHL19]. PyOD ma wiele modeli opartych na sieciach neuronowych, np. AutoEncoders, które są zaimplementowane zarówno w PyTorch, jak i Tensorflow. PyOD zawiera wiele modeli, które istnieją również w scikit-learn. Możliwe jest trenowanie i przewidywanie za pomocą dużej liczby modeli wykrywania w PyOD, wykorzystując ramy SUOD. Dla wybranych algorytmów dostarczany jest test porównawczy, aby zapewnić przegląd wdrożonych modeli. W sumie do porównania wykorzystano 17 zestawów danych porównawczych, które można pobrać ze strony ODDS.
Zakładka Charakterystyka
- Ujednolicone interfejsy API, szczegółowa dokumentacja i interaktywne przykłady różnych algorytmów
- Zaawansowane modele, w tym klasyczne z scikit-learn, najnowsze metody głębokiego uczenia i nowe algorytmy, takie jak COPOD
- Zoptymalizowana wydajność z JIT i równoległością, jeśli to możliwe, przy użyciu numba i joblib
- Szybkie szkolenie i przewidywanie dzięki SUOD
- Kompatybilny zarówno z Pythonem 2, jak i 3
- Indywidualne algorytmy detekcji
Język programowania
Python
Kategorie
Jest to aplikacja, którą można również pobrać z https://sourceforge.net/projects/python-outlier-detect.mirror/. Został umieszczony w OnWorks, aby można go było uruchomić online w najprostszy sposób z jednego z naszych bezpłatnych systemów operacyjnych.
