טַפִּיל

python מטריקס מודול
הורד עכשיו

טַפִּיל דירוג וסיכום

פרסומת

  • Rating:
  • רישיון:
  • GPL v3
  • שם המפרסם:
  • Christian Thurau
  • אתר האינטרנט של המוציא לאור:
  • http://code.google.com/u/cthurau/

טַפִּיל תגים


טַפִּיל תיאור

Python מטריקס מודול Pymf הוא מודול python עבור כמה שיטות מאסטריקס מוגבל / לא מאורץ (ו הקשורים) שיטות. המודול הוא אלפא מוקדם ולא נבדק היטב על כל הפלטפורמות. זה ידוע לעבוד טוב על הפצות Archlinux האחרון ואובונטו לינוקס פועל Python 2.6. באופן עקרוני, זה צריך גם לעבוד עבור משתמשי Windows / Mac. אם אתה מוצא כל באגים אנא שלח דואר אלקטרוני ל- CTHURAU ב Googlemail Dot Com.pymf כולל כרגע את השיטות הבאות: - לא שלילי מטריצה פקטוריזציה (NMF) - קמור לא שלילית מטריצה factorization (CNMF) - חצי מטריצה לא שלילית Factorization (SNMF) - ניתוח ארכיטיפי (AA) - מקסימת נפח ארכיטליזציה (SIVM) - Factorization מטריצה בינארי (BNMF) - פירוק ערך יחיד (SVD) - ניתוח רכיב עיקרי (PCA) - K- אמצעים אשכולות (KAMENS) - פירוק (CR) - Compaxt מטריקס פירוק (CMD) נתון מערך נתונים, רוב שיטות הפקטוריות לנסות למזער את הנורמה frobenius נתונים - W * H על ידי מציאת קבוצה מתאימה של וקטורים בסיס w ו מקדמים H. התחביר עבור קורא שיטות שונות הוא די דומה. בדרך כלל, יש להגיש את המספר הרצוי של וקטורים בסיס ואת המספר המרבי של איטרציות. לדוגמה, החלת NMF לנתוני מערך נתונים מכוון ל -2 וקטורים בסיס תוך 10 יצירות: >>> ייבוא pymf >>> ייבוא numpy כמו np >>> נתונים = np.rarray ( , ]) >>> nmf_mdl = pymf.nmf (נתונים, num_bases = 2, niter = 10) >>> nmf_mdl.fitialization () >> nmf_mdl.factorize () וקטורים בסיס עכשיו מאוחסנים ב- NMF_MDL.W, מקדמים ב- NMF_MDL.H. כדי לחשב מקדמים עבור קבוצה קיימת של וקטורים בסיס פשוט להעתיק w כדי nmf_mdl.w, ולהגדיר compw לשקר: >>> נתונים = np.ray (, ]) >>> W = NP. מערך (, ]) >>> nmf_mdl = pymf.nmf (נתונים, num_bases = 2, niter = 1, compw = false) >>> nmf_mdl.initialization () >>> nmf_mdl.w = w >>> nmf_mdl.factorize () על ידי שינוי pymf.nmf למשל PyMF.AA או pymf.cnmf ניתוח ארכיטיפי או convex-nmf ניתן ליישם. שיטות מסוימות עשויות לאפשר פרמטרים אחרים, הקפד להעיף מבט המתאים >> עזרה (pymf.Aa) תיעוד. לדוגמה, CR, CMD ו- SVD מטופלים מעט אחרת, כפי שהם מפורשים לשלושה submatrices הדורשים טיעונים מתאימים עבור דגימת שורה ועמודות. דרישות: · פייתון · Numpy. · Cvxopt. · Scipy.


טַפִּיל תוכנה קשורה

ציפוי

נתון DataSet, מבצע ניתוח TF-IDF וקליפים את מערך הנתונים בהתאם ...

91

הורד