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

A package to solve low rank matrix completion problems

ویژگی	مقدار
سیستم عامل	-
نام فایل	completethat-0.1dev
نام	completethat
نسخه کتابخانه	0.1dev
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Joshua Edgerton, Esteban Fajardo
ایمیل نویسنده	ef2451@columbia.edu, jae2154@columbia.edu
آدرس صفحه اصلی	UNKNOWN
آدرس اینترنتی	https://pypi.org/project/completethat/
مجوز	BSD

CompleteThat (v0.1dev) ==================== CompleteThat is a python package that solves the low rank matrix completion problem. Given a low rank matrix with partial entries the package solves an optimization problem to estimate the missing entries. Mathematically, the package solves a relaxation (using the nuclear norm or the Frobenius norm of the objective matrix) of the following problem: minimize_{X} ||X|| st. X(i,j) = M(i,j) \forall (i,j)\in \Omega, where, M represents the data matrix and \Omega represents the set of p observed entries of M Usage ------- >>> from completethat import MatrixCompletion >>> problem = MatrixCompletion(M) >>> problem.complete_it(algo_name) >>> X = problem.get_matrix() >>> out_info = problem.get_out() >>> from completethat import MatrixCompletionBD >>> problem = MatrixCompletionBD('input_data.txt') >>> problem.train_sgd(dimension=6,init_step_size=.01,min_step=.000001, reltol=.001,rand_init_scale=10, maxiter=1000,batch_size_sgd=50000,shuffle=True) >>> problem.validate_sgd('test_data.txt') >>> problem.save_model() Authors ------- This package was written by Joshua Edgerton and Esteban Fajardo Acknowledgments ------- This package is the result of the final project for the class EEOR E4650: Convex Optimization at Columbia University, Fall 2014. We would like to thank the authors of the different algorithms used in the package to solve the problem.

نحوه نصب

نصب پکیج whl completethat-0.1dev:

pip install completethat-0.1dev.whl

نصب پکیج tar.gz completethat-0.1dev:

pip install completethat-0.1dev.tar.gz