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

Identify a set of L patterns from a binary class dataset

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	LPatternIdentification-0.0.1
نام	LPatternIdentification
نسخه کتابخانه	0.0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	T Cavanagh
ایمیل نویسنده	cavanaghtd@gmail.com
آدرس صفحه اصلی	https://github.com/temcavanagh/LPatternIdentification
آدرس اینترنتی	https://pypi.org/project/LPatternIdentification/
مجوز	-

# LPatternIdentification The formal mathematical definition of the l-Pattern Identification Problem is as follows: ## Input: A finite alphabet Σ, two disjoint sets Good, Bad ⊆ Σn of strings and an integer l > 0 ## Problem question: Is there a set of P patterns such that: |P| ≤ l and P → (Good, Bad)? ## 1. Install: ''' pip install LPatternIdentification ''' ## 2. Load: ''' from LPatternIdentification import feature_set, split_data, get_patterns_from_feature_set, reduce_pattern_set ''' ## 3. Prepare data: Sort dataset by class labels Separate observations into numpy ndarray Separate labels into list ## 4. Find set of features ''' features = feature_set(observations, labels) ''' ## 5. Split observations by classes Here, classes are named 'Good' and 'Bad', the 'Good' class being the class of our interest. ''' split_point, Good, Bad = split_data(elections_X, elections_y) ''' ## 6. Return a set of patterns that contain the features and are Good ''' Patterns = get_patterns_from_feature_set(Good, elections_feature_set) ''' ## 7. Identify 'L' number of patterns such that all patterns are uniquely Good and not similar to Bad patterns ''' Patterns_identified = reduce_pattern_set(Patterns, Bad, 7) '''

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl LPatternIdentification-0.0.1:

pip install LPatternIdentification-0.0.1.whl

نصب پکیج tar.gz LPatternIdentification-0.0.1:

pip install LPatternIdentification-0.0.1.tar.gz