lfa工具箱是一个处理模糊系统的教育库。
lfa-toolbox的Python项目详细描述
#lfa工具箱是一组创建、查看和使用模糊系统的工具。非常适合学生使用模糊系统。
例如，一个简单的模糊系统示例，用于确定在给定温度和日照量的情况下是否会有
很多游客。
*如果（温度高或日照充足），则（游客人数高）
*如果（温度高或日照充足）温度是温暖的，阳光是部分晴朗的），那么（游客是中等的）
*如果（温度是寒冷的或阳光是多云的），那么（游客是低的）
！[度假村问题]（assets/img/resort_u problem.png）
系统类型
*常用的成员函数（trap.mf，triangle mf，free shape mf，…）
*多个结果
*默认规则
*非条件
*查看器（成员函数查看器，语言变量查看器，…）
nshot viewer
``python
from matplotlib import pyplot as plt
from lfa_toolbox.core.mf.triangal_mf import triangularmf
from lfa_toolbox.view.mf_viewer import membershipFunctionviewer
规则成员关系函数
temp MF=triangularMF（-20，25，40）
nctionviewer（temp_mf，ax=ax，
label="temperature in centerics"）
mfv.fuzzify（22.5）
plt.legend（）；可选显示图例，即"temperature"
plt.show（）
```
，输出为：
！[temp_mf]（assets/img/temp_mf.png）
>可以创建其他形状的成员函数，例如：
！[mfs]（assets/img/mfs.png）
此可视化的代码可在以下位置获得：[/lfa_toolbox/examples/readme_examples.py]（/lfa_toolbox/examples/readme_examples.py）。
n通过为每个标签指定标签和成员函数来创建和可视化语言变量。
``python
from matplotlib import pyplot as plt
from lfa_toolbox.core.lv.language_variable import linguisticvariable
from lfa_toolbox.view.lv_viewer import linguisticvariableviewer
fig，axs=plt.subblots（3，figsize=（12，8））
axs中的ax:
lv temp=lingisticvariable（
name="temperature"，
ling\u values\u dict={
"cold"：linpwmf（[17，1]，[20，0]），
"warm"：linpwmf（[17，0]，[20，1]，[26，1]，[29，0]），
"热"：linpwmf（[26，0]，[29，1]），
}，
）viewer=languationisticvariableviewer（lv_temp，ax=ax）
viewer.fuzzify（26.6）
viewer.fuzzify（21.8）
fig.tight_layout（）
plt.show（）
`````
！[lv-temp]（/assets/img/lv-temp.png）
导入ppointslv
fig，ax=plt.subplots（）
ppointslv帮助您创建一个可解释的语言变量，并自动为您生成模糊标签。
lv=ppointslv（"github stars"，[0，50，300，1000]）
Languagistic variableviewer（lv，ax=ax）
plt.show（）
```
！[ppointslv]（/assets/img/ppointslv.png）模糊系统/>
您可以手动创建整个模糊系统。lfa工具箱支持singleton
和mamdani模糊系统、默认规则和非条件。您可以通过查看此处的示例来了解它是如何工作的。[/lfa_toolbox/examples]（/lfa_toolbox/examples）。
查看[`car_problem_slides`]（/lfa_toolbox/examples/car_problem撸slides）文件夹。
它显示了一个问题，我们需要调节踏板的推力来保持汽车的速度。它从一个mamdani模糊系统开始，通过先用一个单变量模糊系统替换它，然后添加一个默认的模糊规则，最后使用not条件，逐步简化它。
-学习compatible
实现fuzzycoco算法的估计器，该算法使用协作的协同进化算法来查找和构建可解释的模糊系统。
请参见[trefle's github]（https://github.com/krypty/trefle）来学习如何安装它。
fle你可以用lfa工具箱保存最好的模糊系统并对其进行微调。例如，您可以更改成员资格
函数的值，或者删除一个过于具体的模糊规则。
ns可在"docs"文件夹中找到。
[ci4cb_徽标]（assets/img/ci4cb_logo.png）
！[heigvd_logo]（assets/img/heigvd_logo.png）
例如，一个简单的模糊系统示例，用于确定在给定温度和日照量的情况下是否会有
很多游客。
*如果（温度高或日照充足），则（游客人数高）
*如果（温度高或日照充足）温度是温暖的，阳光是部分晴朗的），那么（游客是中等的）
*如果（温度是寒冷的或阳光是多云的），那么（游客是低的）
！[度假村问题]（assets/img/resort_u problem.png）
系统类型
*常用的成员函数（trap.mf，triangle mf，free shape mf，…）
*多个结果
*默认规则
*非条件
*查看器（成员函数查看器，语言变量查看器，…）
nshot viewer
``python
from matplotlib import pyplot as plt
from lfa_toolbox.core.mf.triangal_mf import triangularmf
from lfa_toolbox.view.mf_viewer import membershipFunctionviewer
规则成员关系函数
temp MF=triangularMF（-20，25，40）
nctionviewer（temp_mf，ax=ax，
label="temperature in centerics"）
mfv.fuzzify（22.5）
plt.legend（）；可选显示图例，即"temperature"
plt.show（）
```
，输出为：
！[temp_mf]（assets/img/temp_mf.png）
>可以创建其他形状的成员函数，例如：
！[mfs]（assets/img/mfs.png）
此可视化的代码可在以下位置获得：[/lfa_toolbox/examples/readme_examples.py]（/lfa_toolbox/examples/readme_examples.py）。
n通过为每个标签指定标签和成员函数来创建和可视化语言变量。
``python
from matplotlib import pyplot as plt
from lfa_toolbox.core.lv.language_variable import linguisticvariable
from lfa_toolbox.view.lv_viewer import linguisticvariableviewer
fig，axs=plt.subblots（3，figsize=（12，8））
axs中的ax:
lv temp=lingisticvariable（
name="temperature"，
ling\u values\u dict={
"cold"：linpwmf（[17，1]，[20，0]），
"warm"：linpwmf（[17，0]，[20，1]，[26，1]，[29，0]），
"热"：linpwmf（[26，0]，[29，1]），
}，
）viewer=languationisticvariableviewer（lv_temp，ax=ax）
viewer.fuzzify（26.6）
viewer.fuzzify（21.8）
fig.tight_layout（）
plt.show（）
`````
！[lv-temp]（/assets/img/lv-temp.png）
导入ppointslv
fig，ax=plt.subplots（）
ppointslv帮助您创建一个可解释的语言变量，并自动为您生成模糊标签。
lv=ppointslv（"github stars"，[0，50，300，1000]）
Languagistic variableviewer（lv，ax=ax）
plt.show（）
```
！[ppointslv]（/assets/img/ppointslv.png）模糊系统/>
您可以手动创建整个模糊系统。lfa工具箱支持singleton
和mamdani模糊系统、默认规则和非条件。您可以通过查看此处的示例来了解它是如何工作的。[/lfa_toolbox/examples]（/lfa_toolbox/examples）。
查看[`car_problem_slides`]（/lfa_toolbox/examples/car_problem撸slides）文件夹。
它显示了一个问题，我们需要调节踏板的推力来保持汽车的速度。它从一个mamdani模糊系统开始，通过先用一个单变量模糊系统替换它，然后添加一个默认的模糊规则，最后使用not条件，逐步简化它。
-学习compatible
实现fuzzycoco算法的估计器，该算法使用协作的协同进化算法来查找和构建可解释的模糊系统。
请参见[trefle's github]（https://github.com/krypty/trefle）来学习如何安装它。
fle你可以用lfa工具箱保存最好的模糊系统并对其进行微调。例如，您可以更改成员资格
函数的值，或者删除一个过于具体的模糊规则。
ns可在"docs"文件夹中找到。
[ci4cb_徽标]（assets/img/ci4cb_logo.png）
！[heigvd_logo]（assets/img/heigvd_logo.png）
欢迎加入QQ群-->： 979659372
