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

FEERCI: A python package for EER confidence intervals

ویژگی	مقدار
سیستم عامل	-
نام فایل	feerci-0.2.0
نام	feerci
نسخه کتابخانه	0.2.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/feerci/feerci
آدرس اینترنتی	https://pypi.org/project/feerci/
مجوز	-

FEERCI: A Package for Fast non-parametric confidence intervals for Equal Error Rates ****************************************** **FEERCI** is an opinionated, easy-to-use package for calculating EERs and non-parametric confidence intervals efficiently. It offers a single method, ``feerci.feerci``, that returns both an EER and CI for provided impostor and genuine scores. The only dependency is numpy. Installation ======= ``pip install feerci`` What's New ======= 0.2.0 -------- - Switched output arguments around, to make more intuitive sense 0.1.0 -------- - Initial release of package License ===== **FEERCI** is distributed under the MIT license Version ===== 0.2.0 Examples ====== Calculating just an EER:: import feerci import numpy as np impostors = np.random.rand(100) genuines = np.random.rand(100) eer,_,_,_ = feerci.feerci(impostors,genuines,is_sorted=False,m=-1) Calculating an EER and 95% confidence interval:: eer,ci_lower,ci_upper,bootstrapped_eers = feerci.feerci(impostors,genuines,is_sorted=False) Calculating an EER and 99% confidence interval:: eer,ci_lower,ci_upper,bootstrapped_eers = feerci.feerci(impostors,genuines,is_sorted=False,ci=.99) Calculating an EER and 99% confidence interval on 1000 bootstrap iterations:: eer,ci_lower,ci_upper,bootstrapped_eers = feerci.feerci(impostors,genuines,is_sorted=False,m=1000,ci=.99)

نیازمندی

مقدار	نام
>=1.7	numpy
-	Cython

نحوه نصب

نصب پکیج whl feerci-0.2.0:

pip install feerci-0.2.0.whl

نصب پکیج tar.gz feerci-0.2.0:

pip install feerci-0.2.0.tar.gz