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

Causal Graphical Models

ویژگی	مقدار
سیستم عامل	-
نام فایل	cgm-0.0.4
نام	cgm
نسخه کتابخانه	0.0.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Kyle Ellefsen
ایمیل نویسنده	kyleellefsen@gmail.com
آدرس صفحه اصلی	https://github.com/kyleellefsen/cgm
آدرس اینترنتی	https://pypi.org/project/cgm/
مجوز	-

# Causal Graphical Models A python library for building causal graphical models, closely following Daphne Koller's Coursera course on Probabilistic Graphical Models, and her 2009 book _Probabilistic Graphical Models: Principles and Techniques_. The source for this project is available [here][src]. ## Installation [NumPy][numpy] is the only dependency. Python version must be >= 3.7. pip install cgm ## Usage ```python import numpy as np import cgm np.random.seed(30) # Define all nodes A = cgm.CG_Node('A', nStates=3) B = cgm.CG_Node('B', 3) C = cgm.CG_Node('C', 3) D = cgm.CG_Node('D', 3) # Specify all parents of nodes cgm.CPD(child=B, parents=[A]) cgm.CPD(C, [B]) cgm.CPD(D, [A, B]) # Create causal graph graph = cgm.CG([A, B, C, D]) ``` [src]: https://github.com/kyleellefsen/cgm [numpy]: https://numpy.org/

نیازمندی

مقدار	نام
-	numpy

زبان مورد نیاز

مقدار	نام
>=3.7, <4	Python

نحوه نصب

نصب پکیج whl cgm-0.0.4:

pip install cgm-0.0.4.whl

نصب پکیج tar.gz cgm-0.0.4:

pip install cgm-0.0.4.tar.gz