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

Cayley transform ellipsoid fitting

ویژگی	مقدار
سیستم عامل	-
نام فایل	ctef-0.0.3
نام	ctef
نسخه کتابخانه	0.0.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Omar Melikechi
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/omelikechi/ctef
آدرس اینترنتی	https://pypi.org/project/ctef/
مجوز	MIT

# Cayley tranform ellispoid fitting (CTEF) Python implementation of Cayley tranform ellipsoid fitting (CTEF). The main algorithm is in the ctef.py file. The main function is ctef in the ctef.py file. ## Basic usage Given an n-by-p data matrix X with n the number of samples and p the dimension, the ellipsoid fitting is ```python fit = ctef(X) ``` Expanding ctef with all default arguments explicitly expressed, ```python fit = ctef(X, k=None, w=0.5, w_axis=10, ellipsoid_dimensions=None, trr_params=None) ``` The ctef function returns the following dictionary. ```python {'center': avg + V @ c, 'Lambda': V @ R.T @ np.diag(1/a), 'Lambda_inv': np.diag(a) @ R @ V.T, 'result': result} ``` For details see the ctef.py file and/or our paper. ## Simple example This example is from the ellipsoid_gaussian.py file in the examples folder. See that file for parameter details. ```python p, tau, axis_ratio, noise_level, n_samples = 2, 2, 3, .01, 50 # generate data from Ellipsoid-Gaussian model truth = generate_truth(p, tau, axis_ratio) X = simulate_data(n_samples, noise_level, truth) # fit ellipsoid to data X fit = ctef(X) Lambda = fit['Lambda'] center = fit['center'] ``` Lambda and center yield the ellipsoid $\\{\Lambda\eta+c : \lVert\eta\rVert=1\\}$ fitted to X pictured below. Note simulate_data is random, so rerunning this code will produce different data and hence a different ellipsoid of best fit. ![example](https://user-images.githubusercontent.com/85212572/233739931-876fc8b3-467f-4499-815e-ad9f713f2c6d.png) ## Clustering ctef_clustering.py in the clustering folder implements our ellipsoid clustering algorithm. This algorithm is tested against other clustering algorithms on two toy examples in the compare.py file. Here is its output. ![compare](https://user-images.githubusercontent.com/85212572/233740865-d516c1d9-9d43-4234-8a47-d33a4f67f052.png)

نیازمندی

مقدار	نام
-	matplotlib
-	numpy
-	tqdm

نحوه نصب

نصب پکیج whl ctef-0.0.3:

pip install ctef-0.0.3.whl

نصب پکیج tar.gz ctef-0.0.3:

pip install ctef-0.0.3.tar.gz