معرفی شرکت ها

URF-0.0.5

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
0.0.5
0.0.4
0.0.3
0.0.2

توضیحات

Unsupervised Random Forest (Random Forest Clustering)
ویژگی مقدار
سیستم عامل OS Independent
نام فایل URF-0.0.5
نام URF
نسخه کتابخانه 0.0.5
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Li Yao
ایمیل نویسنده yaol17@mails.tsinghua.edu.cn
آدرس صفحه اصلی https://github.com/liyao001/URF
آدرس اینترنتی https://pypi.org/project/URF/
مجوز Apache 2.0
URF: Unsupervised Random Forest ============================================== URF (Unsupervised Random Forest, or Random Forest Clustering) is a python implementation of the paper: Shi, T., & Horvath, S. (2006). Unsupervised learning with random forest predictors. *Journal of Computational and Graphical Statistics*, 15(1), 118-138. Prerequisite ------------ :: conda install -c bioconda pycluster or:: wget http://bonsai.hgc.jp/~mdehoon/software/cluster/Pycluster-1.54.tar.gz tar -zxvf Pycluster-1.54.tar.gz cd Pycluster-1.54 python setup.py install Installation ------------ :: pip install URF Usage ----- :: from sklearn.datasets import load_iris from URF.main import random_forest_cluster, plot_cluster_result iris = load_iris() X = iris.data y = iris.target print(len(list(set(y)))) clf, prox_mat, cluster_ids = random_forest_cluster(X, k=3, max_depth=20, random_state=0) plot_cluster_result(prox_mat, cluster_ids, marker=y) If you encountered an error like > QXcbConnection: Could not connect to display then you need to add these codes to the very beginning of your file:: import matplotlib as mpl mpl.use("Agg") and you must assign the output file when you call `plot_cluster_result`, like this:: plot_cluster_result(prox_mat, cluster_ids, marker=y, output="test_123.png")


نحوه نصب


نصب پکیج whl URF-0.0.5:

    pip install URF-0.0.5.whl


نصب پکیج tar.gz URF-0.0.5:

    pip install URF-0.0.5.tar.gz