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 variant of MTrees, where NonLeafNodes do not propagate splits to the parent, but combine routing objects downwards

ویژگی	مقدار
سیستم عامل	-
نام فایل	downward-mtree-1.0.4
نام	downward-mtree
نسخه کتابخانه	1.0.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Max Feltes
ایمیل نویسنده	contact@feltes.ch
آدرس صفحه اصلی	https://github.com/Napolei/dmtree
آدرس اینترنتی	https://pypi.org/project/downward-mtree/
مجوز	MIT License

# D-MTree (Downward-MTree) This library implements a datastructure very similar to the MTree datastructure in pure python (for more information, see https://en.wikipedia.org/wiki/M-tree) The main difference is that the split of a NonLeafNode (inner node) will not propagate to the parent node, but instead creates a new subtree with the two closest routing objects as descendants. * This has the advantage that the covering-radii of the NonLeafNodes have the least overlap. * The disadvantage is that if the points are added in an unlucky order, the depth of the tree can grow very fast! ## Usage ```python def distance(p1, p2): return abs(p1 - p2) dmtree = DMTree(distance_measure=distance, leaf_node_capacity=10, inner_node_capacity=5) # inserting 1000 values with equal identifier: for i in range(1000): dmtree.insert(identifier=i, value=i) # search in radius and order them by distance (ascending): elements = dmtree.find_in_radius(value=50.5, radius=1) # find the 10 nearest neighbours and order them by distance (ascending): # the parameter 'truncate' decides if the results is trimmed to exactly k if there are multiple elements with the same distance elements = dmtree.knn(value=50.5, k=10, truncate=True) # deleting entries for identifier in range(1000): dmtree.remove(identifier) ``` * identifier should be a datatype that can be compared with ==, <=, >=, <, > * mtree.knn(value, k, truncate=True) is equal to mtree.knn(value, k, truncate=False)[:k] ## Parameters | Parameter | Description | | -------------: |:------------- | | distance_measure | Custom distance method that fulfills the triangle inequality | | leaf_node_capacity | The number of children a NonLeafNode can hold before it is split (>=2) Default=50 | | inner_node_capacity | The number of objects a LeafNode can hold before it is split (>=2) Default=20 | | split_method | The algorithm that splits overflowing LeafNodes Default='max_distance' | ## Split methods | Parameter | Description | | -------------: |:------------- | | random | Choose two random elements of the LeafNode as new routing objects | | min_sum_radii | Choose the two elements of the LeafNode that minimizes the sum of the resulting radii | | max_distance | Choose the two elements of the LeafNode that maximizes the distance between the routing values | ## Best practice * When inserting the values, do so in a randomized order, or the resulting tree can very quickly become heavily unbalanced

نحوه نصب

نصب پکیج whl downward-mtree-1.0.4:

pip install downward-mtree-1.0.4.whl

نصب پکیج tar.gz downward-mtree-1.0.4:

pip install downward-mtree-1.0.4.tar.gz