susi下載 - susi源代碼下載

susi

Ai源碼

SuSi 1.4.2

下載

SUSI：Python中有監督的自組織地圖

無監督，監督和半監督的自組織地圖（SOM）的Python套餐

描述

我們為Python提供Susi包。它包括一個功能齊全的SOM，用於無監督，監督和半監督任務：

somclustering：無監督的SOM用於聚類
somregressor ：（半）有監督的回歸SOM
SomClassifier ：（半）有監督的分類SOM

執照：	第3條BSD許可證
作者：	Felix M. Riese
引用：	請參閱引用和Bibtex文件
文件:	文件
安裝：	安裝指南
紙：	FM Riese，S。 Keller和S. Hinz在遙感中，2020年

安裝

pip

pip3 install susi

康達

conda install -c conda-forge susi

更多信息可以在“安裝指南”中找到。

例子

代碼示例的集合可以在文檔中找到。代碼示例作為Jupyter筆記本，可以在此處找到：

示例/somclustering
示例/somregressor
示例/somregressor_semisuperped
示例/somregressor_multioutput
示例/syplassifier
示例/somclassifier_semisuperped

常見問題解答

我應該如何設置SOM的初始超參數？有關超參數的更多詳細信息，請參見文檔/超參數中。
如何優化超參數？例如，可以使用Scikit-learn.model_selection.gridsearchcv優化SUSI超參數，因為SUSI軟件包是根據幾個Scikit-Learn指南開發的。

引用

Bibtex文件包括兩個參考文獻，都可以在書目中獲得。

紙：

FM Riese，S。 Keller和S. Hinz，“監督和半監督的自組織圖，用於回歸和分類，重點是高光譜數據”，遙感，第1卷。 12，不。 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 }
}

代碼：

Felix M. Riese，“ Susi：Python中有監督的自組織地圖”，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} }
}