Ini adalah aplikasi Windows bernama Python Outlier Detection yang rilis terbarunya dapat diunduh sebagai v1.0.8.zip. Ini dapat dijalankan secara online di penyedia hosting gratis OnWorks untuk workstation.
Unduh dan jalankan secara online aplikasi bernama Python Outlier Detection dengan OnWorks ini secara gratis.
Ikuti petunjuk ini untuk menjalankan aplikasi ini:
- 1. Download aplikasi ini di PC Anda.
- 2. Masuk ke file manager kami https://www.onworks.net/myfiles.php?username=XXXXX dengan username yang anda inginkan.
- 3. Upload aplikasi ini di filemanager tersebut.
- 4. Mulai emulator online OS OnWorks apa pun dari situs web ini, tetapi emulator online Windows yang lebih baik.
- 5. Dari OS Windows OnWorks yang baru saja Anda mulai, buka file manager kami https://www.onworks.net/myfiles.php?username=XXXXX dengan nama pengguna yang Anda inginkan.
- 6. Unduh aplikasi dan instal.
- 7. Unduh Wine dari repositori perangkat lunak distribusi Linux Anda. Setelah terinstal, Anda kemudian dapat mengklik dua kali aplikasi untuk menjalankannya dengan Wine. Anda juga dapat mencoba PlayOnLinux, antarmuka mewah di atas Wine yang akan membantu Anda menginstal program dan game Windows populer.
Wine adalah cara untuk menjalankan perangkat lunak Windows di Linux, tetapi tidak memerlukan Windows. Wine adalah lapisan kompatibilitas Windows sumber terbuka yang dapat menjalankan program Windows secara langsung di desktop Linux apa pun. Pada dasarnya, Wine mencoba untuk mengimplementasikan kembali Windows dari awal sehingga dapat menjalankan semua aplikasi Windows tersebut tanpa benar-benar membutuhkan Windows.
SCREENSHOT:
Deteksi Pencilan Python
DESKRIPSI:
PyOD adalah toolkit Python yang komprehensif dan skalabel untuk mendeteksi objek-objek terluar dalam data multivariat. Bidang yang menarik namun menantang ini biasa disebut sebagai deteksi outlier atau deteksi anomali. PyOD mencakup lebih dari 30 algoritma deteksi, dari LOF klasik (SIGMOD 2000) hingga COPOD terbaru (ICDM 2020) dan SUOD (MLSys 2021). Sejak 2017, PyOD [AZNL19] telah berhasil digunakan dalam berbagai penelitian akademis dan produk komersial [AZHC+21, AZNHL19]. PyOD memiliki beberapa model berbasis jaringan saraf, misalnya AutoEncoder, yang diimplementasikan di PyTorch dan Tensorflow. PyOD berisi beberapa model yang juga ada di scikit-learn. Dimungkinkan untuk melatih dan memprediksi dengan sejumlah besar model deteksi di PyOD dengan memanfaatkan kerangka kerja SUOD. Benchmark disediakan untuk algoritme tertentu guna memberikan gambaran umum tentang model yang diimplementasikan. Secara total, 17 dataset benchmark digunakan untuk perbandingan, yang dapat diunduh di ODDS.
Fitur
- API Terpadu, dokumentasi terperinci, dan contoh interaktif di berbagai algoritme
- Model lanjutan, termasuk model klasik dari scikit-learn, metode pembelajaran mendalam terbaru, dan algoritme baru seperti COPOD
- Kinerja yang dioptimalkan dengan JIT dan paralelisasi bila memungkinkan, menggunakan numba dan joblib
- Pelatihan & prediksi cepat dengan SUOD
- Kompatibel dengan Python 2 & 3
- Algoritma deteksi individu
Bahasa Pemrograman
Ular sanca
Kategori
Ini adalah aplikasi yang juga dapat diambil dari https://sourceforge.net/projects/python-outlier-detect.mirror/. Ini telah di-host di OnWorks untuk dijalankan secara online dengan cara termudah dari salah satu Sistem Operasi gratis kami.