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

Combination Robust Cut Forests

ویژگی	مقدار
سیستم عامل	-
نام فایل	crcf-0.0.3
نام	crcf
نسخه کتابخانه	0.0.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	J. Marcus Hughes
ایمیل نویسنده	hughes.jmb@gmail.com
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/crcf/
مجوز	LICENSE.txt

# Combination Robust Cut Forests [![CodeFactor](https://www.codefactor.io/repository/github/jmbhughes/crcf/badge)](https://www.codefactor.io/repository/github/jmbhughes/crcf) [![PyPI version](https://badge.fury.io/py/crcf.svg)](https://badge.fury.io/py/crcf) Isolation Forests **[Liu+2008]** and Robust Random Cut Trees **[Guha+2016]** are very similar in many ways, as outlined in the [supporting overview](overview.pdf). Most notably, they are extremes of the same outlier scoring function: $$\theta \textrm{Depth} + (1 - \theta) \textrm{[Co]Disp}$$ The combination robust cut forest allows you to combine both scores by using an theta other than 0 or 1. # Install You can install with through `pip install crcf`. Alternatively, you can download the repository and run `python3 setup.py install` or `pip3 install .` Please note that this package uses features from Python 3.7+ and is not compatible with earlier Python versions. The tests can be run from `pytest` with `python3 setup.py test`. # Tasks - [X] complete basic implementation - [X] provide clear documentation and usage instructions - [ ] implement tree down in cython - [ ] accelerate forests with multi-threading - [ ] incorporate categorical variable support, including categorical rules - [ ] complete the write-up document with a benchmarking of performance # References - **[Liu+2008]**: [Liu, Fei Tony, Kai Ming Ting, and Zhi-Hua Zhou. "Isolation forest." In 2008 Eighth IEEE International Conference on Data Mining, pp. 413-422. IEEE, 2008.](https://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/icdm08b.pdf?q=isolation-forest) - **[Guha+2016]**: [Guha, Sudipto, Nina Mishra, Gourav Roy, and Okke Schrijvers. "Robust random cut forest based anomaly detection on streams." In International conference on machine learning, pp. 2712-2721. 2016.](http://proceedings.mlr.press/v48/guha16.pdf)

زبان مورد نیاز

مقدار	نام
>=3.7	Python

نحوه نصب

نصب پکیج whl crcf-0.0.3:

pip install crcf-0.0.3.whl

نصب پکیج tar.gz crcf-0.0.3:

pip install crcf-0.0.3.tar.gz