Este é o aplicativo Linux chamado Python Outlier Detection cuja versão mais recente pode ser baixada como v1.0.8.zip. Ele pode ser executado online no provedor de hospedagem gratuito OnWorks para estações de trabalho.
Baixe e execute online este aplicativo chamado Python Outlier Detection with OnWorks gratuitamente.
Siga estas instruções para executar este aplicativo:
- 1. Baixe este aplicativo em seu PC.
- 2. Entre em nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que você deseja.
- 3. Carregue este aplicativo em tal gerenciador de arquivos.
- 4. Inicie o emulador OnWorks Linux online ou Windows online ou emulador MACOS online a partir deste site.
- 5. No sistema operacional OnWorks Linux que você acabou de iniciar, acesse nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que deseja.
- 6. Baixe o aplicativo, instale-o e execute-o.
SCREENSHOTS
Ad
Detecção de outlier Python
DESCRIÇÃO
PyOD é um kit de ferramentas Python abrangente e escalonável para detectar objetos remotos em dados multivariados. Esse campo empolgante, porém desafiador, é comumente referido como detecção de outlier ou detecção de anomalia. O PyOD inclui mais de 30 algoritmos de detecção, do LOF clássico (SIGMOD 2000) ao mais recente COPOD (ICDM 2020) e SUOD (MLSys 2021). Desde 2017, PyOD [AZNL19] tem sido usado com sucesso em inúmeras pesquisas acadêmicas e produtos comerciais [AZHC + 21, AZNHL19]. PyOD tem vários modelos baseados em rede neural, por exemplo, AutoEncoders, que são implementados em PyTorch e Tensorflow. PyOD contém vários modelos que também existem no scikit-learn. É possível treinar e prever com um grande número de modelos de detecção em PyOD, aproveitando a estrutura SUOD. Um benchmark é fornecido para algoritmos selecionados para fornecer uma visão geral dos modelos implementados. No total, 17 conjuntos de dados de referência são usados para comparação, que podem ser baixados em ODDS.
Recursos
- APIs unificadas, documentação detalhada e exemplos interativos em vários algoritmos
- Modelos avançados, incluindo os clássicos do scikit-learn, os mais recentes métodos de aprendizado profundo e algoritmos emergentes como COPOD
- Desempenho otimizado com JIT e paralelização quando possível, usando numba e joblib
- Treinamento rápido e previsão com SUOD
- Compatível com Python 2 e 3
- Algoritmos de detecção individual
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/python-outlier-detect.mirror/. Ele foi hospedado no OnWorks para ser executado online da maneira mais fácil a partir de um de nossos Sistemas Operativos gratuitos.
