Ito ang Linux app na pinangalanang Python Outlier Detection na ang pinakabagong release ay maaaring ma-download bilang v1.0.8.zip. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang Python Outlier Detection sa OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Simulan ang OnWorks Linux online o Windows online emulator o MACOS online emulator mula sa website na ito.
- 5. Mula sa OnWorks Linux OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application, i-install ito at patakbuhin ito.
MGA LALAKI
Ad
Python Outlier Detection
DESCRIPTION
Ang PyOD ay isang komprehensibo at scalable Python toolkit para sa pag-detect ng mga outlying object sa multivariate na data. Ang kapana-panabik ngunit mapaghamong field na ito ay karaniwang tinutukoy bilang outlier detection o anomaly detection. Kasama sa PyOD ang higit sa 30 detection algorithm, mula sa klasikal na LOF (SIGMOD 2000) hanggang sa pinakabagong COPOD (ICDM 2020) at SUOD (MLSys 2021). Mula noong 2017, matagumpay na nagamit ang PyOD [AZNL19] sa maraming akademikong pananaliksik at komersyal na produkto [AZHC+21, AZNHL19]. Ang PyOD ay may maraming modelong nakabatay sa neural network, hal., Mga AutoEncoder, na ipinapatupad sa parehong PyTorch at Tensorflow. Ang PyOD ay naglalaman ng maraming modelo na mayroon din sa scikit-learn. Posibleng magsanay at mahulaan gamit ang malaking bilang ng mga modelo ng pagtuklas sa PyOD sa pamamagitan ng paggamit ng SUOD framework. Isang benchmark ang ibinibigay para sa mga piling algorithm upang magbigay ng pangkalahatang-ideya ng mga ipinatupad na modelo. Sa kabuuan, 17 benchmark na dataset ang ginagamit para sa paghahambing, na maaaring i-download sa ODDS.
Mga tampok
- Pinag-isang mga API, detalyadong dokumentasyon, at mga interactive na halimbawa sa iba't ibang algorithm
- Mga advanced na modelo, kabilang ang mga classical mula sa scikit-learn, pinakabagong mga deep learning na pamamaraan, at mga umuusbong na algorithm tulad ng COPOD
- Na-optimize na pagganap sa JIT at parallelization kapag posible, gamit ang numba at joblib
- Mabilis na pagsasanay at hula sa SUOD
- Tugma sa parehong Python 2 at 3
- Mga indibidwal na algorithm ng pagtuklas
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding makuha mula sa https://sourceforge.net/projects/python-outlier-detect.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
