Dit is de Windows-app genaamd Python Outlier Detection waarvan de nieuwste release kan worden gedownload als v1.0.8.zip. Het kan online worden uitgevoerd in de gratis hostingprovider OnWorks voor werkstations.
Download en voer deze app met de naam Python Outlier Detection gratis online uit met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start een OS OnWorks online emulator vanaf deze website, maar een betere Windows online emulator.
- 5. Ga vanuit het OnWorks Windows-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie en installeer deze.
- 7. Download Wine van de softwarebronnen voor Linux-distributies. Eenmaal geïnstalleerd, kunt u vervolgens dubbelklikken op de app om ze met Wine uit te voeren. Je kunt ook PlayOnLinux proberen, een mooie interface via Wine waarmee je populaire Windows-programma's en -games kunt installeren.
Wine is een manier om Windows-software op Linux uit te voeren, maar zonder dat Windows vereist is. Wine is een open-source Windows-compatibiliteitslaag die Windows-programma's rechtstreeks op elke Linux-desktop kan uitvoeren. In wezen probeert Wine genoeg van Windows opnieuw te implementeren, zodat het al die Windows-applicaties kan draaien zonder Windows echt nodig te hebben.
SCREENSHOTS
Ad
Detectie van uitschieters in Python
PRODUCTBESCHRIJVING
PyOD is een uitgebreide en schaalbare Python-toolkit voor het detecteren van afgelegen objecten in multivariate gegevens. Dit opwindende maar uitdagende veld wordt gewoonlijk detectie van uitschieters of anomaliedetectie genoemd. PyOD omvat meer dan 30 detectie-algoritmen, van klassieke LOF (SIGMOD 2000) tot de nieuwste COPOD (ICDM 2020) en SUOD (MLSys 2021). Sinds 2017 wordt PyOD [AZNL19] met succes gebruikt in tal van academische onderzoeken en commerciële producten [AZHC+21, AZNHL19]. PyOD heeft meerdere op neurale netwerken gebaseerde modellen, bijvoorbeeld AutoEncoders, die zijn geïmplementeerd in zowel PyTorch als Tensorflow. PyOD bevat meerdere modellen die ook in scikit-learn bestaan. Het is mogelijk om te trainen en te voorspellen met een groot aantal detectiemodellen in PyOD door gebruik te maken van het SUOD-framework. Er wordt een benchmark geleverd voor geselecteerde algoritmen om een overzicht te geven van de geïmplementeerde modellen. In totaal worden 17 benchmark datasets ter vergelijking gebruikt, die te downloaden zijn bij ODDS.
Kenmerken
- Uniforme API's, gedetailleerde documentatie en interactieve voorbeelden van verschillende algoritmen
- Geavanceerde modellen, waaronder klassieke modellen van scikit-learn, de nieuwste deep learning-methoden en opkomende algoritmen zoals COPOD
- Geoptimaliseerde prestaties met JIT en parallellisatie waar mogelijk, met behulp van numba en joblib
- Snel trainen en voorspellen met SUOD
- Compatibel met zowel Python 2 als 3
- Individuele detectie-algoritmen
Programmeertaal
Python
Categorieën
Dit is een applicatie die ook kan worden opgehaald van https://sourceforge.net/projects/python-outlier-detect.mirror/. Het is gehost in OnWorks, zodat het op de gemakkelijkste manier online kan worden uitgevoerd vanaf een van onze gratis besturingssystemen.
