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

CUR Decomposition

ویژگی	مقدار
سیستم عامل	-
نام فایل	cur-0.0.2
نام	cur
نسخه کتابخانه	0.0.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	blester125
ایمیل نویسنده	blester125@gmail.com
آدرس صفحه اصلی	https://github.com/blester125/CUR_Decomposition
آدرس اینترنتی	https://pypi.org/project/cur/
مجوز	MIT

# CUR Decomposition [<img src="https://travis-ci.com/blester125/CUR_Decomposition.svg?branch=master" alt="Build Status">](https://travis-ci.com/blester125/CUR_Decomposition) CUR Decomposition as described in [Mining of Massive Datasets](http://www.mmds.org/), page 406. Currently it only works with Numpy arrays but the point of CUR is to keep C and R sparse if M is sparse so I plan to add support for Scipy Sparse arrays. ### Usage ``` M = np.array([ ... ]) r = int from cur import cur_decomposition C, U, R = cur_decomposition(M, r) ```

نیازمندی

مقدار	نام
-	numpy
-	pytest

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl cur-0.0.2:

pip install cur-0.0.2.whl

نصب پکیج tar.gz cur-0.0.2:

pip install cur-0.0.2.tar.gz