معرفی شرکت ها
python-pomegranate-doc_0.13.5-1_all.deb
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 بیشترتوضیحات
documentation accompanying probabilistic modelling library
| ویژگی | مقدار |
|---|---|
| سیستم عامل | Linux |
| توزیع | Debian Bullseye-11 |
| مخزن | Debian main all |
| نام بسته | python-pomegranate-doc |
| نام فایل بسته | python-pomegranate-doc_0.13.5-1_all.deb |
| نسخه بسته | 0.13.5 |
| انتشار بسته | 1 |
| معماری بسته | all |
| نگهدارنده | Debian Python Team <team+python@tracker.debian.org> |
| تاریخ ساخت | - |
| هاست سازنده | - |
| نوع بسته | .deb |
| آدرس صفحه اصلی | https://github.com/jmschrei/pomegranate |
| مجوز | - |
| حجم دانلود | 5410864 |
| حجم نصب | 5381 |
pomegranate is a package for probabilistic models in Python that is
implemented in cython for speed. It's focus is on merging the easy-to-use
scikit-learn API with the modularity that comes with probabilistic
modeling to allow users to specify complicated models without needing to
worry about implementation details. The models are built from the ground
up with big data processing in mind and so natively support features
like out-of-core learning and parallelism.
.
This is the common documentation package.
نیازمندی
| مقدار | نام |
|---|---|
| - |
نحوه نصب
نصب پکیج deb python-pomegranate-doc:
sudo apt-get install python-pomegranate-doc_0.13.5-1_all.deb
فایل ها
| مسیرها |
|---|
| ./usr/share/doc/python-pomegranate-doc/changelog.Debian.gz |
| ./usr/share/doc/python-pomegranate-doc/copyright |
| ./usr/share/doc/python-pomegranate-doc/docs/BayesianNetwork.rst.gz |
| ./usr/share/doc/python-pomegranate-doc/docs/CODE_OF_CONDUCT.rst |
| ./usr/share/doc/python-pomegranate-doc/docs/Distributions.rst.gz |
| ./usr/share/doc/python-pomegranate-doc/docs/FactorGraph.rst |
| ./usr/share/doc/python-pomegranate-doc/docs/GeneralMixtureModel.rst.gz |
| ./usr/share/doc/python-pomegranate-doc/docs/HiddenMarkovModel.rst.gz |
| ./usr/share/doc/python-pomegranate-doc/docs/Makefile.gz |
| ./usr/share/doc/python-pomegranate-doc/docs/MarkovChain.rst |
| ./usr/share/doc/python-pomegranate-doc/docs/MarkovNetwork.rst.gz |
| ./usr/share/doc/python-pomegranate-doc/docs/NaiveBayes.rst.gz |
| ./usr/share/doc/python-pomegranate-doc/docs/_templates/class.rst |
| ./usr/share/doc/python-pomegranate-doc/docs/api.rst.gz |
| ./usr/share/doc/python-pomegranate-doc/docs/callbacks.rst.gz |
| ./usr/share/doc/python-pomegranate-doc/docs/conf.py.gz |
| ./usr/share/doc/python-pomegranate-doc/docs/faq.rst.gz |
| ./usr/share/doc/python-pomegranate-doc/docs/gpu.rst |
| ./usr/share/doc/python-pomegranate-doc/docs/index.rst |
| ./usr/share/doc/python-pomegranate-doc/docs/install.rst |
| ./usr/share/doc/python-pomegranate-doc/docs/io.rst |
| ./usr/share/doc/python-pomegranate-doc/docs/logo/pomegranate-logo.png |
| ./usr/share/doc/python-pomegranate-doc/docs/logo/pomegranate_comparison.png |
| ./usr/share/doc/python-pomegranate-doc/docs/nan.rst.gz |
| ./usr/share/doc/python-pomegranate-doc/docs/ooc.rst.gz |
| ./usr/share/doc/python-pomegranate-doc/docs/parallelism.rst |
| ./usr/share/doc/python-pomegranate-doc/docs/semisupervised.rst.gz |
| ./usr/share/doc/python-pomegranate-doc/docs/whats_new.rst.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/A_Overview.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/B_Model_Tutorial_1_Distributions.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/B_Model_Tutorial_2_General_Mixture_Models.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/B_Model_Tutorial_3_Hidden_Markov_Models.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/B_Model_Tutorial_4_Bayesian_Networks.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/B_Model_Tutorial_4b_Bayesian_Network_Structure_Learning.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/B_Model_Tutorial_5_Bayes_Classifiers.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/B_Model_Tutorial_6_Markov_Chain.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/B_Model_Tutorial_7_Markov_Networks.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/C_Feature_Tutorial_1_Parallelization.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/C_Feature_Tutorial_2_Out_Of_Core_Learning.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/C_Feature_Tutorial_3_Semisupervised_Learning.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/C_Feature_Tutorial_4_Missing_Values.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/C_Feature_Tutorial_5_Custom_Distributions.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/C_Feature_Tutorial_6_Deep_Models.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/C_Feature_Tutorial_7_Data_Generators.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/C_Feature_Tutorial_8_Callbacks.ipynb.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/GGBlasts.xlsx.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/README.md |
| ./usr/share/doc/python-pomegranate-doc/tutorials/old/GGBlasts.xlsx.gz |
| ./usr/share/doc/python-pomegranate-doc/tutorials/old/README.md |
| ./usr/share/doc/python-pomegranate-doc/tutorials/old/Tutorial_0_pomegranate_overview.ipynb.gz |
| ... and 11 more |