معرفی شرکت ها

ICPOptimize-2.4

Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
2.4
2.3
2.2
2.1

توضیحات

Python 3 Implementation of ICP and ICPRE
ویژگی مقدار
سیستم عامل OS Independent
نام فایل ICPOptimize-2.4
نام ICPOptimize
نسخه کتابخانه 2.4
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Nicholas T. Smith
ایمیل نویسنده nicholastsmithblog@gmail.com
آدرس صفحه اصلی https://github.com/nicholastoddsmith/ICPOptimize
آدرس اینترنتی https://pypi.org/project/ICPOptimize/
مجوز -
# ICPOptimize The Iterative Constrained Pathways Optimizer ICP is a constrained linear model optimizer built with a focus on memory efficiency, flexibility, and solution interpretability. ## Description This repository contains implementations of the Iterative Constrained Pathways (ICP) optimization method, the ICP Rule Ensemble (ICPRE), linear classifier, regressor, and other methods. Currently, hinge, least-squares, and absolute-value loss modes are supported, with support for other loss functions planned. Coefficients can be constrained by sign or by arbitrary intervals. L1 & L2 norm constraints are also supported. Further discussion about and motivation for the methods can be found on my blog: [nicholastsmith.wordpress.com/2021/05/18/the-iterative-constrained-pathways-optimizer/](https://nicholastsmith.wordpress.com/2021/05/18/the-iterative-constrained-pathways-optimizer/) ## Features - Linear Classification using Hinge Loss - Regression Support using L1 and L2 Penalties - Arbitrary Interval Constraints - L1 and L2 Coefficient Norm Constraints - Useful Default Settings - Support for DataFrames and Sparse Matrices ## Installation Install via PyPi: ```pip install ICPOptimize``` PyPi Project: [https://pypi.org/project/ICPOptimize/](https://pypi.org/project/ICPOptimize/) ## Examples ### Rule Ensemble Classifier ```python from ICP.Models import ICPRuleEnsemble ... IRE = ICPRuleEnsemble().fit(A[trn], Y[trn]) YP = IRE.predict_proba(A) ``` ### Linear Model ```python from ICP.Models import ICPLinearRegressor ... # Fit linear regressor with absolute loss and L_1 norm <= 10 ILR = ICPLinearRegressor(p='l1', L1=10.0).fit(A[trn], Y[trn]) YP = ILR.predict(A) ``` Further examples are available on the ICPExamples GitHub page: [https://github.com/nicholastoddsmith/ICPExamples](https://github.com/nicholastoddsmith/ICPExamples)


نحوه نصب


نصب پکیج whl ICPOptimize-2.4:

    pip install ICPOptimize-2.4.whl


نصب پکیج tar.gz ICPOptimize-2.4:

    pip install ICPOptimize-2.4.tar.gz