هذا هو تطبيق Linux المسمى Python Outlier Detection والذي يمكن تنزيل أحدث إصدار له كـ v1.0.8.zip. يمكن تشغيله عبر الإنترنت في مزود الاستضافة المجاني OnWorks لمحطات العمل.
قم بتنزيل وتشغيل هذا التطبيق المسمى Python Outlier Detection باستخدام OnWorks مجانًا.
اتبع هذه التعليمات لتشغيل هذا التطبيق:
- 1. قم بتنزيل هذا التطبيق على جهاز الكمبيوتر الخاص بك.
- 2. أدخل في مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX باسم المستخدم الذي تريده.
- 3. تحميل هذا التطبيق في هذا الملف.
- 4. ابدأ تشغيل OnWorks Linux عبر الإنترنت أو محاكي Windows عبر الإنترنت أو محاكي MACOS عبر الإنترنت من هذا الموقع.
- 5. من نظام تشغيل OnWorks Linux الذي بدأته للتو ، انتقل إلى مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX مع اسم المستخدم الذي تريده.
- 6. قم بتنزيل التطبيق وتثبيته وتشغيله.
SCREENSHOTS
Ad
كشف الناشز بيثون
الوصف
PyOD عبارة عن مجموعة أدوات Python شاملة وقابلة للتطوير لاكتشاف الكائنات البعيدة في البيانات متعددة المتغيرات. يشار إلى هذا المجال المثير والتحدي عادة باسم الكشف عن الحالات الشاذة أو اكتشاف الشذوذ. يتضمن PyOD أكثر من 30 خوارزمية كشف ، من LOF الكلاسيكي (SIGMOD 2000) إلى أحدث COPOD (ICDM 2020) و SUOD (MLSys 2021). منذ عام 2017 ، تم استخدام PyOD [AZNL19] بنجاح في العديد من الأبحاث الأكاديمية والمنتجات التجارية [AZHC + 21 ، AZNHL19]. يحتوي PyOD على العديد من النماذج القائمة على الشبكة العصبية ، على سبيل المثال ، AutoEncoders ، والتي يتم تنفيذها في كل من PyTorch و Tensorflow. يحتوي PyOD على نماذج متعددة موجودة أيضًا في scikit-Learn. من الممكن التدريب والتنبؤ بعدد كبير من نماذج الكشف في PyOD من خلال الاستفادة من إطار عمل SUOD. يتم توفير معيار معياري لخوارزميات مختارة لتقديم نظرة عامة على النماذج المنفذة. في المجموع ، يتم استخدام 17 مجموعة بيانات معيارية للمقارنة ، والتي يمكن تنزيلها على ODDS.
المميزات
- واجهات برمجة التطبيقات الموحدة والوثائق التفصيلية والأمثلة التفاعلية عبر خوارزميات مختلفة
- النماذج المتقدمة ، بما في ذلك النماذج الكلاسيكية من scikit-Learn ، وأحدث أساليب التعلم العميق ، والخوارزميات الناشئة مثل COPOD
- تحسين الأداء مع JIT والتوازي عندما يكون ذلك ممكنًا ، باستخدام numba و joblib
- تدريب سريع والتنبؤ مع SUOD
- متوافق مع كل من Python 2 و 3
- خوارزميات الكشف الفردية
لغة البرمجة
بايثون
الفئات
هذا تطبيق يمكن جلبه أيضًا من https://sourceforge.net/projects/python-outlier-detect.mirror/. تمت استضافته في OnWorks ليتم تشغيله عبر الإنترنت بأسهل طريقة من أحد أنظمتنا التشغيلية المجانية.