ksu压缩算法的实现https://www.cs.bgu.ac.il/~karyeh/compression-arxiv.pdf
ksu的Python项目详细描述
##ksu压缩算法的实现ORG/ABS/1705.08184)BP/>安装< BR/> *PIP:“PIP安装KSU’BR/**源于:
‘Git克隆’:深度=1 http://GITHUB.CON/NIMROHA/KUSSIAL分类器。Git’BR/**‘CD KSub分类器’*Python StupU.Py安装(
< BR/>用法
-
BR/>无限维度](http://ARXIV)。#####
这个包提供了两个命令行工具:“e-net”和“ksu”:
*“e-net”为给定的epsilon构建一个[epsilon net](https://en.wikipedia.org/wiki/delone嫒set)运行完整算法
两者都可以将结果以[numpy's.npz]格式(https://docs.scpy.org/doc/numpy/reference/generated/numpy.savez.html)将结果保存到磁盘上,格式
<;br>;
这个包提供了一个类ksu(xs,ys,metric,[gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram修剪,对数级,n_jobs])`
`xs`和`ys`是数据点,它们各自的标签是[numpy数组](https://docs.scipy.org/doc/numpy/reference/generated/numpy.array.html)
`metric`可以调用来计算度量,也可以是命名我们提供的度量之一的字符串(完整列表用print`ksu.metrics.keys()`gram)
`gram`_(可选,默认值=无)如果未提供,将计算预计算的[Gramian矩阵](http://mathworld.wolfram.com/grammatrix.html)。
`prune`(可选,默认值= false(一个布尔值指示是否修剪压缩的集合)(算法2从[最近的邻居最近的最佳样本压缩](http://ARXIV.org/ABS/ 1404.3368))
BR/>‘LogLevel’(可选,默认=“临界”)一个指示日志级别的字符串(设置为“信息”或“调试”以获得更多信息)
'Nas-Jase'_(可选,默认值=1)定义要使用多少CPU的整数(scipy逻辑),传递-1以使用所有CPU。对于低于-1的n_作业,将使用(n_CPU+1+n_作业)。因此,对于n个作业=-2,使用除一个以外的所有CPU。
<;br>;
`ksu`提供了一个方法'compressdata([delta,mincompress,maxcompress,greedy,stride,loglevel,numprocs])`
,该方法使用置信度“1-delta”选择估计错误最低的子集。可以采取论据:
BR/>‘delta’(可选的,默认值为0.1):置信上界< BR/> BR/>‘迷你压缩’(可选,默认为0.05)最小压缩比
BR/>‘最大压缩’(可选,默认为0.1)最大压缩比
BR/>‘贪心’(可选,默认=真)。net construction
`stride`(可选,默认值=200)每个迭代之间要跳过多少个gamma(因为相似的gamma将生成相似的网络)
`loglevel`(可选,默认值='critical')一个表示日志级别的字符串(设置为'info'或'debug'以获取更多信息)
`numprocs`(可选,默认值=1)_要使用的进程数
<;br>;
numpy数组的元组`(compressedx,compressedys)`。
<;br>;
>参见“scripts/”例如用法
厄尔斯坦尼莫托,“匹配”,“骰子”,“编辑距离”,“布雷库蒂斯”,“拉塞尔劳”,“余弦”,“城锁”,‘L1’、‘曼哈顿’、‘sqeuclidean’、‘jaccard’、‘seucliean’、‘sokalsneath’、‘kulsinski’、‘minkowski’、‘mahalanobis’、‘euclidean’、‘l2’、‘hamming’、‘correlation’、‘wminkowski’]
‘Git克隆’:深度=1 http://GITHUB.CON/NIMROHA/KUSSIAL分类器。Git’BR/**‘CD KSub分类器’*Python StupU.Py安装(
< BR/>用法
-
BR/>无限维度](http://ARXIV)。#####
这个包提供了两个命令行工具:“e-net”和“ksu”:
*“e-net”为给定的epsilon构建一个[epsilon net](https://en.wikipedia.org/wiki/delone嫒set)运行完整算法
两者都可以将结果以[numpy's.npz]格式(https://docs.scpy.org/doc/numpy/reference/generated/numpy.savez.html)将结果保存到磁盘上,格式
<;br>;
这个包提供了一个类ksu(xs,ys,metric,[gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram,gram修剪,对数级,n_jobs])`
`xs`和`ys`是数据点,它们各自的标签是[numpy数组](https://docs.scipy.org/doc/numpy/reference/generated/numpy.array.html)
`metric`可以调用来计算度量,也可以是命名我们提供的度量之一的字符串(完整列表用print`ksu.metrics.keys()`gram)
`gram`_(可选,默认值=无)如果未提供,将计算预计算的[Gramian矩阵](http://mathworld.wolfram.com/grammatrix.html)。
`prune`(可选,默认值= false(一个布尔值指示是否修剪压缩的集合)(算法2从[最近的邻居最近的最佳样本压缩](http://ARXIV.org/ABS/ 1404.3368))
BR/>‘LogLevel’(可选,默认=“临界”)一个指示日志级别的字符串(设置为“信息”或“调试”以获得更多信息)
'Nas-Jase'_(可选,默认值=1)定义要使用多少CPU的整数(scipy逻辑),传递-1以使用所有CPU。对于低于-1的n_作业,将使用(n_CPU+1+n_作业)。因此,对于n个作业=-2,使用除一个以外的所有CPU。
<;br>;
`ksu`提供了一个方法'compressdata([delta,mincompress,maxcompress,greedy,stride,loglevel,numprocs])`
,该方法使用置信度“1-delta”选择估计错误最低的子集。可以采取论据:
BR/>‘delta’(可选的,默认值为0.1):置信上界< BR/> BR/>‘迷你压缩’(可选,默认为0.05)最小压缩比
BR/>‘最大压缩’(可选,默认为0.1)最大压缩比
BR/>‘贪心’(可选,默认=真)。net construction
`stride`(可选,默认值=200)每个迭代之间要跳过多少个gamma(因为相似的gamma将生成相似的网络)
`loglevel`(可选,默认值='critical')一个表示日志级别的字符串(设置为'info'或'debug'以获取更多信息)
`numprocs`(可选,默认值=1)_要使用的进程数
<;br>;
numpy数组的元组`(compressedx,compressedys)`。
<;br>;
>参见“scripts/”例如用法
厄尔斯坦尼莫托,“匹配”,“骰子”,“编辑距离”,“布雷库蒂斯”,“拉塞尔劳”,“余弦”,“城锁”,‘L1’、‘曼哈顿’、‘sqeuclidean’、‘jaccard’、‘seucliean’、‘sokalsneath’、‘kulsinski’、‘minkowski’、‘mahalanobis’、‘euclidean’、‘l2’、‘hamming’、‘correlation’、‘wminkowski’]