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

MICO: Mutual Information and Conic Optimization for feature selection.

ویژگی	مقدار
سیستم عامل	-
نام فایل	colin-mico-0.1.0a0
نام	colin-mico
نسخه کتابخانه	0.1.0a0
نگهدارنده	['KuoLing Huang']
ایمیل نگهدارنده	['jupiters1117@gmail.com']
نویسنده	-
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/jupiters1117/mico
آدرس اینترنتی	https://pypi.org/project/colin-mico/
مجوز	BSD

.. -*- mode: rst -*- .. template: https://raw.githubusercontent.com/scikit-learn-contrib/stability-selection/master/README.md .. https://raw.githubusercontent.com/scikit-learn-contrib/hdbscan/master/README.rst MICO: Mutual Information and Conic Optimization for feature selection --------------------------------------------------------------------- **MICO** is a Python package that implements a conic optimization based feature selection method with mutual information (MI) measure. The idea behind the approach is to measure the features’relevance and redundancy using MI, and then formulate a feature selection problem as a pure-binary quadratic optimization problem, which can be heuristically solved by an efficient randomization algorithm via semidefinite programming. Optimization software **Colin** is used for solving the underlying conic optimization problems. This package - implements three methods for feature selections: + **MICO** : Conic Optimization approach + **MIFS** : Forward Selection approach + **MIBS** : Backward Selection approach - supports three different MI measures: + **JMI** : Joint Mutual Information + **JMIM** : Joint Mutual Information Maximisation + **MRMR** : Max-Relevance Min-Redundancy - generates feature importance scores for all selected features. - provides scikit-learn compatible APIs. Installation ------------ 1. Download **Colin** distribution from http://www.colinopt.org/downloads.php and unpack it into a chosen directory (`<CLNHOME>`). Then install **Colin** package: .. code-block:: bash cd <CLNHOME>/python pip install -r requirements.txt python setup.py install 2. Next, install **MICO** package dependencies: .. code-block:: bash pip install -r requirements.txt 3. To install **MICO** package, use: .. code-block:: bash python setup.py install or .. code-block:: bash pip install colin-mico To install the development version, you may use: .. code-block:: bash pip install --upgrade git+https://github.com/jupiters1117/mico Usage ----- This package provides scikit-learn compatible APIs: * ``fit(X, y)`` * ``transform(X)`` * ``fit_transform(X, y)`` Examples -------- The following example illustrates the use of the package: .. code-block:: python import pandas as pd from sklearn.datasets import load_breast_cancer # Prepare data. data = load_breast_cancer() y = data.target X = pd.DataFrame(data.data, columns=data.feature_names) # Perform feature selection. mico = MutualInformationConicOptimization(verbose=1, categorical=True) mico.fit(X, y) # Populate selected features. print("Selected features: {}".format(mico.get_support())) # Populate feature importance scores. print("Feature importance scores: {}".format(mico.feature_importances_)) # Call transform() on X. X_transformed = mico.transform(X) Documentation ------------- User guide, examples, and API are available `here <https://jupiters1117.github.io/mico/>`_.

نیازمندی

مقدار	نام
>=1.3.1	scipy
>=1.17.3	numpy
>=0.20.0	scikit-learn
>=0.14.0	joblib
>=5.6.3	psutil
>=0.2.2	pyitlib
>=1.0.0	bottleneck

نحوه نصب

نصب پکیج whl colin-mico-0.1.0a0:

pip install colin-mico-0.1.0a0.whl

نصب پکیج tar.gz colin-mico-0.1.0a0:

pip install colin-mico-0.1.0a0.tar.gz