基准化最近的邻居 在高维空间中快速搜索最近的邻居已成为一个越来越重要的问题，但是到目前为止，还没有很多以客观方式比较方法的经验性尝试。 该项目包含一些工具，用于对不同度量的近似最近邻（ANN）搜索的各种实现进行基准测试。 我们已经预生成了数据集（采用HDF5格式），并且还为每种算法提供了Docker容器。 有一个可确保每种算法都能正常工作。 已评估 ：LSHForest，KDTree，BallTree ：SWGraph，HNSW，BallTree，MPLSH ：ONNG，PANNG，QG 数据集 为此，我们有许多预先计算的数据集。 所有数据集均已预先划分为训练/测试数据，并以前100个邻居的形式提供了地面真实数据。 我们以HDF5格式存储它们： 数据集 外型尺寸 火车尺寸 测试尺寸 邻居 距离 下载 96 990万 10,000 100 角度的 （3.6GB） 784 60,000 10,000 100 欧几里得 （217MB） 960 1,000,000 1,000 100 欧几里得 （3.6GB） 25 1,183,514 10,0

EMDPython 在 Python 中使用 EMD 进行模式识别 如何构建_emd.so：

Matlab代码sqrt xcorr_python Python中的互相关系数 返回系数（或内积）和滞后 这可能挽救别人一点时间，我无法找到一个Python标准xcorr功能（如MATLAB的），它返回两个信号的互相关（而不是内积）的系数。 这段代码改编自，我只是将绘图行为与规范化分开了。 来电 这是必需的转换函数（内部乘积-> coeffs。） n = np.sqrt（np.dot（x，x）* np.dot（y，y）） coeffs = np.true_divide（内部产品，n）

自卫队 使用简单的Python API基于SDF（带符号距离函数）生成3D网格。 特别感谢提供的有关有符号距离函数的出色文档： 例子 这是一个生成示例的完整示例。 这是规范的“示例。 注意将运算符用于并集，交集和差。 from sdf import * f = sphere ( 1 ) & box ( 1.5 ) c = cylinder ( 0.5 ) f -= c . orient ( X ) | c . orient ( Y ) | c . orient ( Z ) f . save ( 'out.stl' ) 是的，这实际上就是整个代码！ 您可以3D打印该模型或在3D应用程序中使用它。 更多例子 有一个很酷的例子吗？ 提交公关！ 要求 请注意，按照以下说明进行操作时，setup.py将自动安装依赖项。 Python 3 麻木 枕头 scikit图像 科学的 安装 使用以

1 logging模块简介 logging模块是Python内置的标准模块，主要用于输出运行日志，可以设置输出日志的等级、日志保存路径、日志文件回滚等；相比print，具备如下优点： 可以通过设置不同的日志等级，在release版本中只输出重要信息，而不必显示大量的调试信息； print将所有信息都输出到标准输出中，严重影响开发者从标准输出中查看其它数据；logging则可以由开发者决定将信息输出到什么地方，以及怎么输出； Logger从来不直接实例化，经常通过logging模块级方法（Module-Level Function）logging.getLogger(name)来获得，其

Apriori及其改进 在Python中实现了应用的Apriori算法及其改进（PCY，多哈希） 问题 问题1：PCY算法 使用单个哈希实现PCY算法，并打印所有频繁项集。 您可以使用自己选择的哈希函数。 输入参数： Input.txt：这是包含所有事务的输入文件。 每行对应一个事务。 每个交易都有以逗号分隔的项目。 使用input.txt测试此算法。 支持：整数，用于定义有资格作为频繁项集的最小数量。 存储桶大小：这是哈希表的大小。 输出： 输出需要包含按字典顺序排序的所有大小的频繁项目集。 它还应包含哈希桶及其候选者计数。 如果结果仅包含size1的项目集，则将其打印并返回。 如果其中包含大小> = 2的项目集，则也将打印哈希的存储区计数。 例如，考虑下面的输出。 ['a'，'b'，'d'] {0：0，1：2，3：5} [['a'，'b']] 这里['a'，'b'，'d

ITMO_FS Python中的功能选择库 套餐信息： 与安装 pip install ITMO_FS 当前可用的算法： 筛选器 包装纸 杂交种 嵌入式的 合奏 斯皮尔曼相关 添加删除 过滤器包装 莫斯 锂离子电池 皮尔逊相关 向后选择 苔藓 最好先 适合标准 顺序正向选择 RFE 最好的总和 F比 合格证 基尼指数 爬山 信息增益 最小冗余最大相关性 VDM 合格证 美格玛 说明文件：

在安装pip前，请确认win系统中已经安装好了python，和easy_install工具，下面脚本之家小编给大家详细介绍python中pip的安装与使用教程，感兴趣的朋友一起看看吧

直接对excel中的文本进行染色，中文，英文，数字，均可以直接染色。让人一目了然看到词语差异。主要可以使用在对一整份文件对关键字，关键段落进行筛选。

som matlab代码尔索姆 Python中的轻型自组织图（SOM，又称Kohonen地图） 对于在巴黎UPMC的LOCEAN的研究项目，我需要在Python中使用SOM。 Matlab（）中提供了一个巨大的工具箱，但是我很难找到适合我需求的Python包（一个轻便但灵活的方法，它经过多步培训，经过很好的注释，可以在运行时更改参数批量学习）。 我决定编写所需的代码，并在此处共享，希望它对某人有用。 这是一个示例代码，文件中的注释应足够完整： from lsom import * X = np.concatenate((np.random.rand(100,3) , np.random.rand(100,3)+np.asarray([1,1,1]))) (vap, vepu, pc) = pca(X) koh = SOM((5,5), 3, hexagonal=True, init_fun=init_koh_pca(vap, 200, (5,5)) ) koh.train(pc, niter=30, lrate=.9, iradius=5) koh.quality(pc) draw_k