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

Assumption Free and Efficient K-Means Seeding

ویژگی	مقدار
سیستم عامل	-
نام فایل	afkmc2-0.1
نام	afkmc2
نسخه کتابخانه	0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Adrian Goedeckemeyer
ایمیل نویسنده	adrian+pypi@minerva.kgi.edu
آدرس صفحه اصلی	http://afkmc2.readthedocs.io/en/latest/index.html
آدرس اینترنتی	https://pypi.org/project/afkmc2/
مجوز	UNKNOWN

.. image:: https://readthedocs.org/projects/afkmc2/badge/?version=latest :target: http://afkmc2.readthedocs.io/en/latest/?badge=latest :alt: Documentation Status Assumption Free KMeans Monte Carlo ================================== This package contains sklearn compatible python implementations of various K-Means seeding algorithms. The package was inspired by the AFKMC^2 algorithm detailed in | **Fast and Provably Good Seedings for k-Means** | Olivier Bachem, Mario Lucic, S. Hamed Hassani and Andreas Krause | In *Neural Information Processing Systems* (NIPS), 2016. | https://las.inf.ethz.ch/files/bachem16fast.pdf The algorithm uses Monte Carlo Markov Chain to quickly find good seedings for KMeans and offers a runtime improvement over the common K-Means++ algorithm. Usage ----- Using this package to get seedings for KMeans in sklearn is as simple as:: import afkmc2 X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]]) seeds = afkmc2.afkmc2(X, 2) from sklearn.custer import KMeans model = KMeans(n_clusters=2, init=seeds).fit(X) print model.cluster_centers_ Installation ------------ Quickly install afkmc2 by running (coming soon):: pip install afkmc2 Contribute ---------- * Issue Tracker: https://github.com/adriangoe/afkmc2/issues Support ------- You can reach out to me through https://adriangoe.me/. License ------- The project is licensed under the MIT License.

نحوه نصب

نصب پکیج whl afkmc2-0.1:

pip install afkmc2-0.1.whl

نصب پکیج tar.gz afkmc2-0.1:

pip install afkmc2-0.1.tar.gz