Python fdc-1.15-py3-none-any.whl模块包
下面是该Python项目安装包的资源下载地址：
fdc-1.15-py3-none-any.whl.wheel
文件名称：fdc-1.15-py3-none-any.whl
版权声明：本程序为网上收集，用户上传，仅供研究学习计算机编程等技术为目的，版权归原作者所有。
所属PyPI项目：fdc
文件大小： 45.5 kB
文件类型： Wheel
适用的Python版本：py3
下载文件的哈希值：
SHA256：3df8325fc732ad9db9b12abf607c987bf6a6af0d5b1fe0448c2d9d192bcb2a2d
MD5：cba9a65d2d5c6c8112016e6ddea20072
BLAKE2-256：aee327f3d0e0a536d94425aea1116eb7615eb961398cc1aa3f2c84ed063aedfc
选择下载地址 热度
851 ℃ | 2024-05-18
- 如果发现本程序安装包或源码失效或下载失败，可以联系站长修复！谢谢。
- 可以使用迅雷等多线程下载专用软件进行加速下载。
- 少部分程序支持BT/磁力下载。
- 少部分程序可能需要编译安装，或下载源码自行安装，也可以使用
pip命令进行安装。 - 放在网盘上的资源可能会被限速，可能需要注册或者购买对方VIP服务才能快速的下载。
- 如遇压缩包需要密码解压的，密码为 www.cnpython.com (全部小写)，不是此密码非本站下载资源。
PyPI项目包：fdc
快速密度聚类（FDC）
使用内核密度图和密度图对低维数据进行聚类的python包。文中给出了高斯混合和一些基准的例子。我们的算法解决了多尺度问题（多个方差/密度和种群大小），适用于非凸聚类。它使用交叉验证，并由两个主要的全局参数进行正则化：邻域 尺寸和噪声阈值测量。后者检测虚假的簇中心，前者保证仅使用本地信息推断簇中心。
底层代码基于用于最近邻搜索的快速kd树。对于低维空间，算法有一个o（n logn），其中n是数据集的大小。也有O（n）的内存复杂性。查看全文