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’]
欢迎加入QQ群-->： 979659372
