معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

An Open-Source Nature-Inspired Optimization Clustering Framework in Python

ویژگی	مقدار
سیستم عامل	-
نام فایل	EvoCluster-1.0.6
نام	EvoCluster
نسخه کتابخانه	1.0.6
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Raneem Qaddoura, Hossam Faris, Ibrahim Aljarah, and Pedro A. Castillo
ایمیل نویسنده	dangtrunganh@gmail.com, raneem.qaddoura@gmail.com
آدرس صفحه اصلی	https://github.com/RaneemQaddoura/EvoCluster
آدرس اینترنتی	https://pypi.org/project/EvoCluster/
مجوز	-

EvoCluster is an open source and cross-platform framework implemented in Python which includes the most well-known and recent nature-inspired meta heuristic optimizers that are customized to perform partitional clustering tasks. The goal of this framework is to provide a user-friendly and customizable implementation of the metaheuristic based clustering algorithms which canbe utilized by experienced and non-experienced users for different applications. The framework can also be used by researchers who can benefit from the implementation of the metaheuristic optimizers for their research studies. - Web Page: http://evo-ml.com/evocluster/ - Paper: https://link.springer.com/chapter/10.1007/978-3-030-43722-0_2 - Extended Paper: https://link.springer.com/article/10.1007/s42979-021-00511-0 - Source code: https://github.com/RaneemQaddoura/EvoCluster/ Features - Ten nature-inspired metaheuristic optimizers are implemented (SSA, PSO, GA, BAT, FFA, GWO, WOA, MVO, MFO, and CS). - Five objective functions (SSE, TWCV, SC, DB, and DI). - Thirty datasets obtained from Scikit learn, UCI, School of Computing at University of Eastern Finland, ELKI, KEEL, and Naftali Harris Blog - Twelve evaluation measures (SSE, Purity, Entropy, HS, CS, VM, AMI, ARI, Fmeasure, TWCV, SC, Accuracy, DI, DB, and Standard Diviation) - More than twenty distance measures - Ten different ways for detecting the k value - The implimentation uses the fast array manipulation using [NumPy] (http://www.numpy.org/). - Matrix support using [SciPy's] (https://www.scipy.org/) package. - Simple and efficient tools for prediction using [sklearn] (https://scikit-learn.org/stable/) - File data analysis and manipulation tool using [pandas] (https://pandas.pydata.org/) - Plot interactive visualizations using [matplotlib] (https://matplotlib.org/) - More optimizers, objective functions, adatasets, and evaluation measures are coming soon.

نیازمندی

مقدار	نام
-	NumPy
-	SciPy
-	sklearn
-	pandas
-	matplotlib

نحوه نصب

نصب پکیج whl EvoCluster-1.0.6:

pip install EvoCluster-1.0.6.whl

نصب پکیج tar.gz EvoCluster-1.0.6:

pip install EvoCluster-1.0.6.tar.gz