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 plugin to scikit-learn for quantum hybrid solving

ویژگی	مقدار
سیستم عامل	-
نام فایل	dwave-scikit-learn-plugin-0.1.0
نام	dwave-scikit-learn-plugin
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	D-Wave Systems Inc.
ایمیل نویسنده	tools@dwavesys.com
آدرس صفحه اصلی	https://github.com/dwavesystems/dwave-scikit-learn-plugin
آدرس اینترنتی	https://pypi.org/project/dwave-scikit-learn-plugin/
مجوز	Apache 2.0

[![PyPI](https://img.shields.io/pypi/v/dwave-scikit-learn-plugin.svg)](https://pypi.python.org/pypi/dwave-scikit-learn-plugin) [![CircleCI](https://dl.circleci.com/status-badge/img/gh/dwavesystems/dwave-scikit-learn-plugin/tree/main.svg?style=svg)](https://dl.circleci.com/status-badge/redirect/gh/dwavesystems/dwave-scikit-learn-plugin) # D-Wave `scikit-learn` Plugin This package provides a [scikit-learn](https://scikit-learn.org/) transformer for [feature selection](https://en.wikipedia.org/wiki/Feature_selection) using a quantum-classical [hybrid solver](https://docs.ocean.dwavesys.com/en/stable/concepts/hybrid.html). This plugin makes use of a Leap™ quantum-classical hybrid solver. Developers can get started by [signing up](https://cloud.dwavesys.com/leap/signup/) for the Leap quantum cloud service for free. Those seeking a more collaborative approach and assistance with building a production application can reach out to D-Wave [directly](https://www.dwavesys.com/solutions-and-products/professional-services/) and also explore the feature selection [offering](https://aws.amazon.com/marketplace/pp/prodview-bsrc3yuwgjbo4) in AWS Marketplace. The package's main class, `SelectFromQuadraticModel`, can be used in any existing `sklearn` pipeline. For an introduction to hybrid methods for feature selection, see the [Feature Selection for CQM](https://github.com/dwave-examples/feature-selection-cqm). ## Examples A minimal example of using the plugin to select 20 of 30 features of an `sklearn` dataset: ```python >>> from sklearn.datasets import load_breast_cancer >>> from dwave.plugins.sklearn import SelectFromQuadraticModel ... >>> X, y = load_breast_cancer(return_X_y=True) >>> X.shape (569, 30) >>> X_new = SelectFromQuadraticModel(num_features=20).fit_transform(X, y) >>> X_new.shape (569, 20) ``` For large problems, the default runtime may be insufficient. You can use the CQM solver's [`min_time_limit`](https://docs.ocean.dwavesys.com/en/stable/docs_system/reference/generated/dwave.system.samplers.LeapHybridCQMSampler.min_time_limit.html) method to find the minimum accepted runtime for your problem; alternatively, simply submit as above and check the returned error message for the required runtime. The feature selector can be re-instantiated with a longer time limit. ```python >>> X_new = SelectFromQuadraticModel(num_features=20, time_limit=200).fit_transform(X, y) ``` ## Installation To install the core package: ```bash pip install dwave-scikit-learn-plugin ``` ## License Released under the Apache License 2.0 ## Contributing Ocean's [contributing guide](https://docs.ocean.dwavesys.com/en/stable/contributing.html) has guidelines for contributing to Ocean packages. ### Release Notes **dwave-scikit-learn-plugin** makes use of [reno](https://docs.openstack.org/reno/) to manage its release notes. When making a contribution to **dwave-scikit-learn-plugin** that will affect users, create a new release note file by running ```bash reno new your-short-descriptor-here ``` You can then edit the file created under ``releasenotes/notes/``. Remove any sections not relevant to your changes. Commit the file along with your changes.

نیازمندی

مقدار	نام
>=0.12.3	dimod
>=1.18.0	dwave-system
>=1.20.0	numpy
>=1.0.2	scikit-learn

زبان مورد نیاز

مقدار	نام
>=3.7	Python

نحوه نصب

نصب پکیج whl dwave-scikit-learn-plugin-0.1.0:

pip install dwave-scikit-learn-plugin-0.1.0.whl

نصب پکیج tar.gz dwave-scikit-learn-plugin-0.1.0:

pip install dwave-scikit-learn-plugin-0.1.0.tar.gz