معرفی شرکت ها
libshogun-dev_3.2.0-8+b1_mips64el.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
Large Scale Machine Learning Toolbox
| ویژگی | مقدار |
|---|---|
| سیستم عامل | Linux |
| توزیع | Debian Buster-10 |
| مخزن | Debian main mips64el |
| نام بسته | libshogun-dev |
| نام فایل بسته | libshogun-dev_3.2.0-8+b1_mips64el.deb |
| نسخه بسته | 3.2.0 |
| انتشار بسته | 8+b1 |
| معماری بسته | mips64el |
| نگهدارنده | Debian QA Group <packages@qa.debian.org> |
| تاریخ ساخت | - |
| هاست سازنده | - |
| نوع بسته | .deb |
| آدرس صفحه اصلی | http://www.shogun-toolbox.org |
| مجوز | - |
| حجم دانلود | 1531708 |
| حجم نصب | 5209 |
SHOGUN - is a new machine learning toolbox with focus on large scale kernel
methods and especially on Support Vector Machines (SVM) with focus to
bioinformatics. It provides a generic SVM object interfacing to several
different SVM implementations. Each of the SVMs can be combined with a variety
of the many kernels implemented. It can deal with weighted linear combination
of a number of sub-kernels, each of which not necessarily working on the same
domain, where an optimal sub-kernel weighting can be learned using Multiple
Kernel Learning. Apart from SVM 2-class classification and regression
problems, a number of linear methods like Linear Discriminant Analysis (LDA),
Linear Programming Machine (LPM), (Kernel) Perceptrons and also algorithms to
train hidden markov models are implemented. The input feature-objects can be
dense, sparse or strings and of type int/short/double/char and can be
converted into different feature types. Chains of preprocessors (e.g.
substracting the mean) can be attached to each feature object allowing for
on-the-fly pre-processing.
.
SHOGUN comes in different flavours, a stand-a-lone version and also with
interfaces to Matlab(tm), R, Octave, Readline and Python. This package
includes the developer files required to create stand-a-lone executables.
جایگزین ها
| بسته | نسخه | معماری | مخزن |
|---|---|---|---|
| libshogun-dev_3.2.0-8+b1_amd64.deb | 3.2.0 | amd64 | Debian main |
| libshogun-dev_3.2.0-8+b1_arm64.deb | 3.2.0 | arm64 | Debian main |
| libshogun-dev_3.2.0-8+b1_armel.deb | 3.2.0 | armel | Debian main |
| libshogun-dev_3.2.0-8+b1_armhf.deb | 3.2.0 | armhf | Debian main |
| libshogun-dev_3.2.0-8+b1_i386.deb | 3.2.0 | i386 | Debian main |
| libshogun-dev_3.2.0-8+b1_mips.deb | 3.2.0 | mips | Debian main |
| libshogun-dev_3.2.0-8+b1_mipsel.deb | 3.2.0 | mipsel | Debian main |
| libshogun-dev_3.2.0-8+b1_ppc64el.deb | 3.2.0 | ppc64el | Debian main |
| libshogun-dev_3.2.0-8+b1_s390x.deb | 3.2.0 | s390x | Debian main |
نیازمندی
| مقدار | نام |
|---|---|
| = 3.2.0-8+b1 | libshogun16 |
نحوه نصب
نصب پکیج deb libshogun-dev:
sudo apt-get install libshogun-dev_3.2.0-8+b1_mips64el.deb
فایل ها
| مسیرها |
|---|
| ./usr/include/shogun/base/DynArray.h |
| ./usr/include/shogun/base/Parallel.h |
| ./usr/include/shogun/base/Parameter.h |
| ./usr/include/shogun/base/ParameterMap.h |
| ./usr/include/shogun/base/SGDynamicRefObjectArray.h |
| ./usr/include/shogun/base/SGObject.h |
| ./usr/include/shogun/base/SGRefObject.h |
| ./usr/include/shogun/base/Version.h |
| ./usr/include/shogun/base/class_list.h |
| ./usr/include/shogun/base/init.h |
| ./usr/include/shogun/classifier/AveragedPerceptron.h |
| ./usr/include/shogun/classifier/FeatureBlockLogisticRegression.h |
| ./usr/include/shogun/classifier/GaussianProcessBinaryClassification.h |
| ./usr/include/shogun/classifier/LDA.h |
| ./usr/include/shogun/classifier/LPBoost.h |
| ./usr/include/shogun/classifier/LPM.h |
| ./usr/include/shogun/classifier/NearestCentroid.h |
| ./usr/include/shogun/classifier/Perceptron.h |
| ./usr/include/shogun/classifier/PluginEstimate.h |
| ./usr/include/shogun/classifier/mkl/MKL.h |
| ./usr/include/shogun/classifier/mkl/MKLClassification.h |
| ./usr/include/shogun/classifier/mkl/MKLMulticlass.h |
| ./usr/include/shogun/classifier/mkl/MKLMulticlassGLPK.h |
| ./usr/include/shogun/classifier/mkl/MKLMulticlassGradient.h |
| ./usr/include/shogun/classifier/mkl/MKLMulticlassOptimizationBase.h |
| ./usr/include/shogun/classifier/mkl/MKLOneClass.h |
| ./usr/include/shogun/classifier/svm/CPLEXSVM.h |
| ./usr/include/shogun/classifier/svm/GNPPLib.h |
| ./usr/include/shogun/classifier/svm/GNPPSVM.h |
| ./usr/include/shogun/classifier/svm/GPBTSVM.h |
| ./usr/include/shogun/classifier/svm/LibLinear.h |
| ./usr/include/shogun/classifier/svm/LibSVM.h |
| ./usr/include/shogun/classifier/svm/LibSVMOneClass.h |
| ./usr/include/shogun/classifier/svm/MPDSVM.h |
| ./usr/include/shogun/classifier/svm/NewtonSVM.h |
| ./usr/include/shogun/classifier/svm/OnlineLibLinear.h |
| ./usr/include/shogun/classifier/svm/OnlineSVMSGD.h |
| ./usr/include/shogun/classifier/svm/QPBSVMLib.h |
| ./usr/include/shogun/classifier/svm/SGDQN.h |
| ./usr/include/shogun/classifier/svm/SVM.h |
| ./usr/include/shogun/classifier/svm/SVMLin.h |
| ./usr/include/shogun/classifier/svm/SVMOcas.h |
| ./usr/include/shogun/classifier/svm/SVMSGD.h |
| ./usr/include/shogun/classifier/svm/WDSVMOcas.h |
| ./usr/include/shogun/classifier/vw/VowpalWabbit.h |
| ./usr/include/shogun/classifier/vw/VwEnvironment.h |
| ./usr/include/shogun/classifier/vw/VwLearner.h |
| ./usr/include/shogun/classifier/vw/VwParser.h |
| ./usr/include/shogun/classifier/vw/VwRegressor.h |
| ./usr/include/shogun/classifier/vw/cache/VwCacheReader.h |
| ... and 868 more |