Bu, en son sürümü v1.0.8.zip olarak indirilebilen Python Outlier Detection adlı Linux uygulamasıdır. İş istasyonları için ücretsiz barındırma sağlayıcısı OnWorks'te çevrimiçi olarak çalıştırılabilir.
OnWorks ile Python Outlier Detection adlı bu uygulamayı ücretsiz olarak indirin ve çevrimiçi çalıştırın.
Bu uygulamayı çalıştırmak için şu talimatları izleyin:
- 1. Bu uygulamayı PC'nize indirdiniz.
- 2. Dosya yöneticimize https://www.onworks.net/myfiles.php?username=XXXXX istediğiniz kullanıcı adını girin.
- 3. Bu uygulamayı böyle bir dosya yöneticisine yükleyin.
- 4. Bu web sitesinden OnWorks Linux çevrimiçi veya Windows çevrimiçi öykünücüsünü veya MACOS çevrimiçi öykünücüsünü başlatın.
- 5. Yeni başladığınız OnWorks Linux işletim sisteminden, istediğiniz kullanıcı adıyla https://www.onworks.net/myfiles.php?username=XXXXX dosya yöneticimize gidin.
- 6. Uygulamayı indirin, kurun ve çalıştırın.
EKRAN GÖRÜNTÜLERİ:
Python Aykırı Değer Algılama
AÇIKLAMA:
PyOD, çok değişkenli verilerde uzaktaki nesneleri algılamak için kapsamlı ve ölçeklenebilir bir Python araç takımıdır. Bu heyecan verici ancak zorlu alan, genellikle aykırı değer tespiti veya anormallik tespiti olarak adlandırılır. PyOD, klasik LOF'tan (SIGMOD 30) en son COPOD'a (ICDM 2000) ve SUOD'a (MLSys 2020) kadar 2021'dan fazla algılama algoritması içerir. 2017'den beri PyOD [AZNL19] sayısız akademik araştırma ve ticari üründe [AZHC+21, AZNHL19] başarıyla kullanılmaktadır. PyOD, hem PyTorch hem de Tensorflow'da uygulanan AutoEncoders gibi birden fazla sinir ağı tabanlı modele sahiptir. PyOD, scikit-learn'de de bulunan birden fazla model içerir. SUOD çerçevesinden yararlanarak PyOD'da çok sayıda algılama modeliyle eğitmek ve tahmin etmek mümkündür. Uygulanan modellere genel bir bakış sağlamak için seçilen algoritmalar için bir kıyaslama sağlanır. Toplamda, karşılaştırma için ODDS'den indirilebilen 17 kıyaslama veri seti kullanılmıştır.
Özellikler
- Birleşik API'ler, ayrıntılı belgeler ve çeşitli algoritmalar arasında etkileşimli örnekler
- Scikit-learn'den klasik modeller, en yeni derin öğrenme yöntemleri ve COPOD gibi yeni ortaya çıkan algoritmalar dahil olmak üzere gelişmiş modeller
- Number ve joblib kullanarak mümkün olduğunda JIT ve paralelleştirme ile optimize edilmiş performans
- SUOD ile hızlı eğitim ve tahmin
- Python 2 ve 3 ile uyumlu
- Bireysel algılama algoritmaları
Programlama dili
Python
Kategoriler
Bu, https://sourceforge.net/projects/python-outlier-detect.mirror/ adresinden de getirilebilen bir uygulamadır. Ücretsiz İşletim Sistemlerimizden birinden en kolay şekilde çevrimiçi çalıştırılabilmesi için OnWorks'te barındırılmıştır.