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

Python package to perform unsupervised and semi-supervised machine learning (ML) classification algorithms on generic tensors of pre-processed data

ویژگی	مقدار
سیستم عامل	-
نام فایل	cassa-2.1.1
نام	cassa
نسخه کتابخانه	2.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Karl Nordstrom
ایمیل نویسنده	karl.am.nordstrom@gmail.com
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/cassa/
مجوز	MIT

# Classification with Automated Semi-Supervised Algorithms (CASSA) package ![test-main](https://github.com/giorgiosavastano/cassa/actions/workflows/python-test-main.yml/badge.svg) ![coverage-main](https://img.shields.io/codecov/c/github/giorgiosavastano/cassa) ![license](https://img.shields.io/github/license/giorgiosavastano/cassa) ## Overview `CASSA` is a Python package to perform unsupervised and semi-supervised machine learning (ML) classification algorithms on generic tensors of pre-processed data, such as time series, altitude profiles, images, DDMs and spectra. Mainly tested on Earth Observation (EO) satellites data, such as GNSS-RO sTEC profiles and GNSS-R DDMs. It produces a database of labeled clusters that can be used to classify new unlabeled data. The documentation is available at <https://cassa.readthedocs.io/en/latest/>. It includes the following blocks: * Parallelized distance matrix computation using earth mover's distance (EMD, aka Wasserstein metric) * Spetral clustering using precomputed distance matrix * Self-tuned spectral clustering using precomputed distance matrix * HDBSCAN clustering using precomputed distance matrix * Classification of new data based on database of labeled clusters ## Installation pip install cassa ### Authors - Giorgio Savastano (<giorgiosavastano@gmail.com>) - Karl Nordstrom (<karl.am.nordstrom@gmail.com>) ## References Savastano, G., K. Nordström, and M. J. Angling (2022), Semi-supervised Classification of Lower-Ionospheric Perturbations using GNSS Radio Occultation Observations from Spire’s Cubesat Constellation. Submitt. to JSWSC.

نیازمندی

مقدار	نام
>=1.22.3,<2.0.0	numpy
>=1.8.0,<2.0.0	scipy
>=0.11.2,<0.12.0	seaborn
>=1.0.2,<2.0.0	scikit-learn
>=1.6,<2.0)	progress

زبان مورد نیاز

مقدار	نام
>=3.8,<3.11	Python

نحوه نصب

نصب پکیج whl cassa-2.1.1:

pip install cassa-2.1.1.whl

نصب پکیج tar.gz cassa-2.1.1:

pip install cassa-2.1.1.tar.gz