高能物理的机器学习
hep_ml的Python项目详细描述
高效液相色谱法
hep_ml为高能物理提供特定的机器学习工具。
要点
- 统一分类器-预测和质量相关性低的分类器(或一些其他变量,甚至一组变量)
- uboost内部优化实现
- ugradientsboosting(有不同的损失,特别是flatnessloss非常有趣)
- 一致性度量(参见hep ml.metrics)
- 分类、回归和排名的高级损失ugradientboosting(见hep ml.loss)。
- -基于TeANO的柔性神经网络
- hep ml.reweight-重新加权多维分布
(multi这里的意思是2、3、5和更多维度-请参阅gbrewrewther!) - hep ml.splot-极简主义splot ting
- hep ml.speedup-建立快速分类模型(盆景bdt)
- sklearn-估计器的兼容性。
安装
基本安装:
pip install hep_ml
如果您是python新手,从未使用过pip
,请首先安装scikit learnwith these instructions。
要使用最新开发版本,请克隆它并使用pip
:
git clone https://github.com/arogozhnikov/hep_ml.git
cd hep_ml
sudo pip install .
链接
- documentation
- notebooks, code examples
- 您可能需要安装
ROOT
和root_numpy
来运行那些
- 您可能需要安装
- repository
- issue tracker
相关项目
你需要的图书馆使你的生活更容易和更和谐。
- IPython Notebook-python的web外壳
- scikit-learn-python中用于机器学习的通用库
- numpy-“python中的matlab”,python中的向量运算。 使用它你需要执行任何数字运算。
- theano-python中的优化矢量分析数学引擎
- ROOT-高能物理中的主要数据格式
- root_numpy-处理根文件的python库(无痛苦)
许可证
apache 2.0,hep_ml
是一个开源库。
平台
支持Linux、Mac OS X和Windows。
hep_ml同时支持python 2和python 3。