Il s'agit de l'application Linux nommée ExSTraCS dont la dernière version peut être téléchargée sous ExSTraCS_v2.1.zip. Il peut être exécuté en ligne dans le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne gratuitement cette application nommée ExSTraCS avec OnWorks.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN
Ad
ExSTraCs
DESCRIPTION
Cet algorithme d'apprentissage automatique avancé est un système de classification d'apprentissage (LCS) de style Michigan développé pour se spécialiser dans les tâches de classification, de prédiction, d'exploration de données et de découverte de connaissances. Les algorithmes LCS de style Michigan constituent une classe unique d'algorithmes qui distribuent des modèles appris sur une population collaborative de règles SI:ALORS interprétables individuellement, leur permettant de décrire de manière flexible et efficace des espaces de problèmes complexes et divers. ExSTraCS a été principalement développé pour résoudre les problèmes d'exploration de données épidémiologiques afin d'identifier des modèles complexes reliant les attributs prédictifs dans les ensembles de données bruyants aux phénotypes de maladies d'intérêt. ExSTraCS combine un certain nombre d'avancées récentes en une seule plate-forme algorithmique. Il peut gérer de manière flexible (1) des attributs discrets ou continus, (2) des données manquantes, (3) des ensembles de données équilibrés ou déséquilibrés et (4) des classes binaires ou nombreuses. Un guide d'utilisation complet pour ExSTraCS est inclus. Codé en Python 2.7.
Audience
Industrie financière et des assurances, Science/Recherche, Éducation
Langage de programmation
Python
Catégories
Il s'agit d'une application qui peut également être récupérée à partir de https://sourceforge.net/projects/exstracs/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.
