这是名为 Python Outlier Detection 的 Windows 应用程序，其最新版本可以下载为 v1.0.8.zip。 它可以在工作站的免费托管服务提供商 OnWorks 中在线运行。
免费下载并在线运行这个名为 Python Outlier Detection with OnWorks 的应用程序。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从本网站启动任何 OS OnWorks 在线模拟器，但更好的 Windows 在线模拟器。
- 5. 从您刚刚启动的 OnWorks Windows 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序并安装。
- 7. 从您的 Linux 发行版软件存储库下载 Wine。 安装后，您可以双击该应用程序以使用 Wine 运行它们。 您还可以尝试 PlayOnLinux，这是 Wine 上的一个花哨界面，可帮助您安装流行的 Windows 程序和游戏。
Wine 是一种在 Linux 上运行 Windows 软件的方法，但不需要 Windows。 Wine 是一个开源的 Windows 兼容层，可以直接在任何 Linux 桌面上运行 Windows 程序。 本质上，Wine 试图从头开始重新实现足够多的 Windows，以便它可以运行所有这些 Windows 应用程序，而实际上不需要 Windows。
SCREENSHOTS
Ad
Python异常值检测
商品描述
PyOD 是一个全面且可扩展的 Python 工具包，用于检测多元数据中的外围对象。 这个令人兴奋但具有挑战性的领域通常被称为异常值检测或异常检测。 PyOD 包括 30 多种检测算法，从经典的 LOF (SIGMOD 2000) 到最新的 COPOD (ICDM 2020) 和 SUOD (MLSys 2021)。 自 2017 年以来，PyOD [AZNL19] 已成功应用于众多学术研究和商业产品 [AZHC+21, AZNHL19]。 PyOD 有多个基于神经网络的模型，例如 AutoEncoders，它们在 PyTorch 和 Tensorflow 中实现。 PyOD 包含多个同样存在于 scikit-learn 中的模型。 通过利用 SUOD 框架，可以在 PyOD 中使用大量检测模型进行训练和预测。 为选择的算法提供了一个基准，以提供已实现模型的概述。 总共使用了 17 个基准数据集进行比较，可以在 ODDS 下载。
产品优势
- 跨各种算法的统一 API、详细文档和交互式示例
- 高级模型，包括来自 scikit-learn 的经典模型、最新的深度学习方法以及 COPOD 等新兴算法
- 尽可能使用 numba 和 joblib 通过 JIT 和并行化优化性能
- 使用 SUOD 进行快速训练和预测
- 与 Python 2 和 3 兼容
- 个体检测算法
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/python-outlier-detect.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便从我们的免费操作系统之一以最简单的方式在线运行。
