Téléchargement de susi - Téléchargement du code source susi

susi

Code Source AI

SuSi 1.4.2

Télécharger

SUSI: Cartes auto-organisées supervisées à Python

Package python pour les cartes auto-organisantes non supervisées, supervisées et semi-supervisées (SOM)

Description

Nous présentons le package Susi pour Python. Il comprend un SOM entièrement fonctionnel pour les tâches non supervisées, supervisées et semi-supervisées:

Somclustering: SOM non supervisé pour le regroupement
SOMEGRESSEUR: (semi-) régression supervisée Som
Somclassificateur: (semi) Classification supervisée Som

Licence:	Licence BSD à 3 clauses
Auteur:	Felix M. Riese
Citation:	Voir Citation et dans le fichier Bibtex
Documentation:	Documentation
Installation:	Directives d'installation
Papier:	FM Riese, S. Keller et S. Hinz dans la télédétection, 2020

Installation

Pépin

pip3 install susi

Conda

conda install -c conda-forge susi

Plus d'informations peuvent être trouvées dans les directives d'installation.

Exemples

Une collection d'exemples de code peut être trouvée dans la documentation. Des exemples de code comme des ordinateurs portables Jupyter peuvent être trouvés ici:

Exemples / somcluster
Exemples / Somrégateur
Exemples / SOMEGRESSOR_SEMISUPERVISE
Exemples / SOMEGRESSOR_MULTIOutput
Exemples / somclassifier
Exemples / somclassifier_semisepervised

FAQ

Comment dois-je définir les hyperparamètres initiaux d'un SOM? Pour plus de détails sur les hyperparamètres, voir dans la documentation / hyperparamètres.
Comment puis-je optimiser les hyperparamètres? Les hyperparamètres SUSI peuvent être optimisés, par exemple, avec Scikit-Learn.Model_Selection.GridSearchCV, car le package Susi est développé conformément à plusieurs directives Scikit-Learn.

Citation

Le fichier Bibtex comprenant les deux références est disponible dans Bibliography.bib.

Papier:

FM Riese, S. Keller et S. Hinz, "Cartes auto-organisées supervisées et semi-supervisées pour la régression et la classification se concentrant sur les données hyperspectrales", Remote Sensing , Vol. 12, non. 1, 2020. Doi: 10.3390 / RS12010007

 @article { riese2020supervised ,
    author = { Riese, Felix~M. and Keller, Sina and Hinz, Stefan } ,
    title = { {Supervised and Semi-Supervised Self-Organizing Maps for
              Regression and Classification Focusing on Hyperspectral Data} } ,
    journal = { Remote Sensing } ,
    year = { 2020 } ,
    volume = { 12 } ,
    number = { 1 } ,
    article-number = { 7 } ,
    URL = { https://www.mdpi.com/2072-4292/12/1/7 } ,
    ISSN = { 2072-4292 } ,
    DOI = { 10.3390/rs12010007 }
}

Code:

Felix M. Riese, "SUSI: Maps auto-organisés supervisés dans Python", Zenodo, 2019. Doi: 10.5281 / Zenodo.2609130

 @misc { riese2019susicode ,
    author = { Riese, Felix~M. } ,
    title = { {SuSi: Supervised Self-Organizing Maps in Python} } ,
    year = { 2019 } ,
    DOI = { 10.5281/zenodo.2609130 } ,
    publisher = { Zenodo } ,
    howpublished = { href{https://doi.org/10.5281/zenodo.2609130}{doi.org/10.5281/zenodo.2609130} }
}