图像矩阵matlab代码-scikit-roughsets:基于粗糙集的约简算法的Python实现

上传者: 38645434 | 上传时间: 2022-11-11 19:59:55 | 文件大小: 7KB | 文件类型: ZIP
图像矩阵matlab代码scikit-粗糙集 这是一个基于的MATLAB代码的粗集特征约简算法的实现。 还提供了与scikit-learn软件包的集成。 安装 可以使用Python的pip实用程序轻松安装该软件包。 用法 用法非常简单,与scikit的功能选择模块相同: from scikit_roughsets . rs_reduction import RoughSetsSelector import numpy as np y = np . array ([[ 1 , 0 , 0 , 0 , 0 , 0 , 0 , 1 , 1 , 1 , 1 , 1 ]]). T X = np . array ([[ 1 , 1 , 1 , 1 , 0 , 0 , 0 , 0 , 1 , 1 , 0 , 1 ], [ 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 , 0 ], [ 1 , 0 , 1 , 0 , 0 , 0 , 0 , 0 , 0 , 1 , 0 , 0 ], [ 0 , 0 , 0 , 1 , 1 , 1 , 1 , 0 , 1 , 0 ,

文件下载

资源详情

[{"title":"( 11 个子文件 7KB ) 图像矩阵matlab代码-scikit-roughsets:基于粗糙集的约简算法的Python实现","children":[{"title":"scikit-roughsets-master","children":[{"title":"setup.py <span style='color:#111;'> 742B </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 206B </span>","children":null,"spread":false},{"title":".travis.yml <span style='color:#111;'> 164B </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 1.05KB </span>","children":null,"spread":false},{"title":"setup.cfg <span style='color:#111;'> 65B </span>","children":null,"spread":false},{"title":"scikit_roughsets","children":[{"title":"rs_reduction.py <span style='color:#111;'> 1.31KB </span>","children":null,"spread":false},{"title":"__init__.py <span style='color:#111;'> 0B </span>","children":null,"spread":false},{"title":"roughsets.py <span style='color:#111;'> 5.85KB </span>","children":null,"spread":false}],"spread":true},{"title":"README.rst <span style='color:#111;'> 1.74KB </span>","children":null,"spread":false},{"title":"tests","children":[{"title":"__init__.py <span style='color:#111;'> 0B </span>","children":null,"spread":false},{"title":"tests.py <span style='color:#111;'> 2.67KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明