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

Scikit-learn-style implementation of the close-k classifier.

ویژگی	مقدار
سیستم عامل	-
نام فایل	closek-1.1
نام	closek
نسخه کتابخانه	1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Bryan He
ایمیل نویسنده	bryanhe@stanford.edu
آدرس صفحه اصلی	https://github.com/bryan-he/close-k
آدرس اینترنتی	https://pypi.org/project/closek/
مجوز	-

Close-k Classifier ================== This repository contains code accompanying > [Minimizing Close-k Aggregate Loss Improves Classification](https://arxiv.org/abs/1811.00521) > > Bryan He, James Zou. We provide a Python 3 implementation using the [scikit-learn API](http://scikit-learn.org/stable/developers/contributing.html#apis-of-scikit-learn-objects), and provide code to reproduce the figures and tables from the paper. Installation ------------ Our package is available on [PyPy](https://pypi.org/project/closek/), and can be installed using > pip install -i https://pypi.org/project/ closek You can also install this package by cloning the [Github repository](github.com/bryan-he/closek), and running > pip install closek If you want directly use the implementation in your package, you can also copy [closek/closek.py](github.com/bryan-he/closekclosek/closek.py) into your code. Usage ----- An example of how to use our package is shown in [test.py](github.com/bryan-he/closek/test.py). Generating Results from Paper ----------------------------- The code used for the paper is in [experiments](github.com/bryan-he/closek/experiments). See the README there for more details.

نیازمندی

مقدار	نام
-	torch
-	numpy
-	sklearn

نحوه نصب

نصب پکیج whl closek-1.1:

pip install closek-1.1.whl

نصب پکیج tar.gz closek-1.1:

pip install closek-1.1.tar.gz