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

GPlib extension to learn the kernel function.

ویژگی	مقدار
سیستم عامل	-
نام فایل	evocov-0.1.0
نام	evocov
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Ibai Roman
ایمیل نویسنده	ibaidev@protonmail.com
آدرس صفحه اصلی	https://gitlab.com/ibaidev/evocov
آدرس اینترنتی	https://pypi.org/project/evocov/
مجوز	GPLv3

EvoCov ====== GPlib extension to learn the kernel function. Setup evocov ------------ - Create and activate virtualenv (for python2) or venv (for python3) ```bash # for python3 python3 -m venv .env # or for python2 python2 -m virtualenv .env source .env/bin/activate ``` - Upgrade pip ```bash python -m pip install --upgrade pip ``` - Install EvoCov package ```bash python -m pip install evocov ``` Use EvoCov ---------------------- - Import EvoCov and GPlib to use it in your python script. ```python import gplib import evocov ``` - Configure the fitting method. ```python lml = gplib.me.LML() bic = gplib.me.BIC() fitting_method = evocov.fit.EvoCov( obj_fun=bic.fold_measure, max_fun_call=25000, nested_fit_method=gplib.fit.MultiStart( obj_fun=lml.fold_measure, max_fun_call=250, nested_fit_method=gplib.fit.LocalSearch( obj_fun=lml.fold_measure, method="Powell", max_fun_call=100 ) ) ) ``` - Initialize the GP with None covariance function. ```python gp = gplib.GP( mean_function=gplib.mea.Fixed(), covariance_function=fitting_method.get_random_kernel() ) ``` - Generate some random data. ```python import numpy as np data = { 'X': np.arange(3, 8, 1.)[:, None], 'Y': np.random.uniform(0, 2, 5)[:, None] } ``` - Fit the kernel and the hyperparameters to the training set. ```python validation = gplib.dm.Full() log = fitting_method.fit(gp, validation.get_folds( data )) ``` - Finally plot the posterior GP. ```python posterior_gp = gp.get_posterior(data) gplib.plot.gp_1d(posterior_gp, data, n_samples=10) ``` - There are more examples in examples/ directory. Check them out! Develop EvoCov -------------- - Update API documentation ```bash source ./.env/bin/activate pip install Sphinx cd docs/ sphinx-apidoc -f -o ./ ../evocov ```

نحوه نصب

نصب پکیج whl evocov-0.1.0:

pip install evocov-0.1.0.whl

نصب پکیج tar.gz evocov-0.1.0:

pip install evocov-0.1.0.tar.gz