susiダウンロードsusiソースコードのダウンロード

susi

AI ソースコード

SuSi 1.4.2

ダウンロード

SUSI：Pythonの監視された自己組織マップ

監視されていない、監督され、半教師の自己組織化マップ（SOM）のためのPythonパッケージ

説明

Python用のSUSIパッケージを提示します。これには、教師なし、監視、および半監視されたタスクのための完全に機能的なSOMが含まれています。

somclustering：クラスタリング用の監視されていないSOM
somregressor ：（セミ）監視された回帰som
somclassifier ：（セミ）監視された分類som

ライセンス：	3-Clause BSDライセンス
著者：	フェリックスM.リーゼ
引用：	引用とbibtexファイルを参照してください
ドキュメント：	ドキュメント
インストール：	インストールガイドライン
紙：	FM Riese、S。Keller、S。Hinzのリモートセンシング、2020

インストール

ピップ

pip3 install susi

コマンド

conda install -c conda-forge susi

詳細については、インストールガイドラインをご覧ください。

例

コードの例のコレクションは、ドキュメントに記載されています。 Jupyterノートブックとしてのコード例は、こちらにあります：

例/somclustering
例/somregressor
例/somregressor_semisupervised
例/somregressor_multioutput
例/somclassifier
例/somClassifier_semisupervised

FAQ

SOMの最初のハイパーパラメーターをどのように設定する必要がありますか？ハイパーパラメーターの詳細については、ドキュメント/ハイパーパラメーターを参照してください。
ハイパーパラメーターを最適化するにはどうすればよいですか？ SUSIハイパーパラメーターは、SCIKIT-LEARN.MODEL_SELECTION.GRIDSERACTCVで最適化できます。SUSIパッケージはいくつかのSCIKIT-LEARNガイドラインに従って開発されているためです。

引用

両方の参照を含むbibtexファイルは、Bibliography.bibで入手できます。

紙：

FM Riese、S。Keller、およびS. Hinz、「ハイパースペクトルデータに焦点を当てた回帰と分類のための監督された半監視された自己組織化マップ」、 Remote Sensing 、vol。 12、いいえ。 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 }
}

コード：

Felix M. Riese、「Susi：Pythonの監視された自己組織マップ」、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} }
}