これは Python Outlier Detection という名前の Linux アプリで、その最新リリースは v1.0.8.zip としてダウンロードできます。 これは、ワークステーション用の無料のホスティング プロバイダーである OnWorks でオンラインで実行できます。
Python Outlier Detection withOnWorksという名前のこのアプリを無料でダウンロードしてオンラインで実行します。
このアプリを実行するには、次の手順に従ってください。
-1。このアプリケーションをPCにダウンロードしました。
--2。ファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXに必要なユーザー名を入力します。
-3。このアプリケーションをそのようなファイルマネージャにアップロードします。
-4。このWebサイトからOnWorksLinuxオンラインまたはWindowsオンラインエミュレーターまたはMACOSオンラインエミュレーターを起動します。
-5。起動したばかりのOnWorksLinux OSから、必要なユーザー名でファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXにアクセスします。
-6。アプリケーションをダウンロードし、インストールして実行します。
スクリーンショットは
Ad
Pythonの外れ値の検出
DESCRIPTION
PyODは、多変量データ内の範囲外のオブジェクトを検出するための包括的でスケーラブルなPythonツールキットです。 このエキサイティングでありながら挑戦的な分野は、一般に外れ値検出または異常検出と呼ばれます。 PyODには、従来のLOF（SIGMOD 30）から最新のCOPOD（ICDM 2000）およびSUOD（MLSys 2020）まで、2021を超える検出アルゴリズムが含まれています。 2017年以来、PyOD [AZNL19]は、数多くの学術研究や商用製品[AZHC + 21、AZNHL19]で使用されています。 PyODには、PyTorchとTensorflowの両方に実装されているAutoEncodersなどの複数のニューラルネットワークベースのモデルがあります。 PyODには、scikit-learnにも存在する複数のモデルが含まれています。 SUODフレームワークを活用することで、PyODの多数の検出モデルでトレーニングと予測を行うことができます。 実装されたモデルの概要を提供するために、選択されたアルゴリズムにベンチマークが提供されます。 合計17のベンチマークデータセットが比較に使用され、ODDSでダウンロードできます。
オプション
- 統一されたAPI、詳細なドキュメント、さまざまなアルゴリズムにわたるインタラクティブな例
- scikit-learnの古典的なモデル、最新の深層学習手法、COPODなどの新しいアルゴリズムを含む高度なモデル
- numbaとjoblibを使用して、可能な場合はJITと並列化でパフォーマンスを最適化
- SUODによる迅速なトレーニングと予測
- Python2と3の両方と互換性があります
- 個々の検出アルゴリズム
プログラミング言語
Python
カテゴリー
これは、https：//sourceforge.net/projects/python-outlier-detect.mirror/からも取得できるアプリケーションです。 無料のオペレーティングシステムのXNUMXつから最も簡単な方法でオンラインで実行するために、OnWorksでホストされています。
