Esta es la aplicación de Windows llamada Python Outlier Detection cuya última versión se puede descargar como v1.0.8.zip. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.
Descargue y ejecute en línea esta aplicación llamada Python Outlier Detection con OnWorks de forma gratuita.
Siga estas instrucciones para ejecutar esta aplicación:
- 1. Descargue esta aplicación en su PC.
- 2. Ingrese en nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 3. Cargue esta aplicación en dicho administrador de archivos.
- 4. Inicie cualquier emulador en línea de OS OnWorks desde este sitio web, pero mejor emulador en línea de Windows.
- 5. Desde el sistema operativo OnWorks Windows que acaba de iniciar, vaya a nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 6. Descarga la aplicación e instálala.
- 7. Descargue Wine desde los repositorios de software de sus distribuciones de Linux. Una vez instalada, puede hacer doble clic en la aplicación para ejecutarla con Wine. También puedes probar PlayOnLinux, una elegante interfaz sobre Wine que te ayudará a instalar programas y juegos populares de Windows.
Wine es una forma de ejecutar software de Windows en Linux, pero no requiere Windows. Wine es una capa de compatibilidad de Windows de código abierto que puede ejecutar programas de Windows directamente en cualquier escritorio de Linux. Esencialmente, Wine está tratando de volver a implementar una cantidad suficiente de Windows desde cero para poder ejecutar todas esas aplicaciones de Windows sin necesidad de Windows.
SCREENSHOTS
Ad
Detección de valores atípicos de Python
DESCRIPCIÓN
PyOD es un conjunto de herramientas de Python completo y escalable para detectar objetos atípicos en datos multivariados. Este campo emocionante pero desafiante se conoce comúnmente como detección de valores atípicos o detección de anomalías. PyOD incluye más de 30 algoritmos de detección, desde LOF clásico (SIGMOD 2000) hasta el último COPOD (ICDM 2020) y SUOD (MLSys 2021). Desde 2017, PyOD [AZNL19] se ha utilizado con éxito en numerosas investigaciones académicas y productos comerciales [AZHC + 21, AZNHL19]. PyOD tiene múltiples modelos basados en redes neuronales, por ejemplo, AutoEncoders, que se implementan tanto en PyTorch como en Tensorflow. PyOD contiene varios modelos que también existen en scikit-learn. Es posible entrenar y predecir con una gran cantidad de modelos de detección en PyOD aprovechando el marco SUOD. Se proporciona un punto de referencia para algoritmos seleccionados para proporcionar una descripción general de los modelos implementados. En total, se utilizan 17 conjuntos de datos de referencia para la comparación, que se pueden descargar en ODDS.
Caracteristicas
- API unificadas, documentación detallada y ejemplos interactivos en varios algoritmos
- Modelos avanzados, incluidos los clásicos de scikit-learn, los últimos métodos de aprendizaje profundo y algoritmos emergentes como COPOD
- Rendimiento optimizado con JIT y paralelización cuando sea posible, usando numba y joblib
- Entrenamiento y predicción rápidos con SUOD
- Compatible con Python 2 y 3
- Algoritmos de detección individuales
Lenguaje de programación
Python
Categorías
Esta es una aplicación que también se puede obtener de https://sourceforge.net/projects/python-outlier-detect.mirror/. Se ha alojado en OnWorks para poder ejecutarlo online de la forma más sencilla desde uno de nuestros Sistemas Operativos gratuitos.