文件名称：pylmnn：最大保证金最近的邻居
文件大小：2.69MB
文件格式：ZIP
更新时间：2024-03-12 22:45:39
JupyterNotebook
y PyLMNN是算法的实现，用于纯Python中的度量学习。 此实现紧密遵循在找到的Kilian Weinberger的原始MATLAB代码。 此版本解决了无限制的优化问题，并使用L-BFGS作为后端优化器找到了线性变换。 该软件包还可以使用出色的软件包通过贝叶斯优化找到LMNN的最佳超参数。 安装 该代码是在Ubuntu 16.04下的python 3.5中开发的，并且也在Ubuntu 18.04和python 3.6下进行了测试。 您可以使用以下命令克隆存储库： git clone https://github.com/johny-c/pylmnn.git 或通过pip安装它： pip3 install pylmnn 依存关系 numpy的> = 1.11.2 scipy> = 0.18.1 scikit_learn> = 0.18.1 可选依赖项 如果要使用超参数优化
【文件预览】：
pylmnn-master
----.gitignore(678B)
----LICENCE(1KB)
----README.rst(3KB)
----tests()
--------__init__.py(0B)
--------test_lmnn.py(22KB)
--------test_bayesopt.py(405B)
----docs()
--------conf.py(6KB)
--------index.rst(450B)
--------api.rst(422B)
--------readme.rst(27B)
--------Makefile(580B)
----examples()
--------demo_find_hyperparams.py(464B)
--------train.py(2KB)
--------sklearn_lmnn_pipeline_demo.ipynb(3KB)
--------demo_olivetti.py(955B)
--------demo_plot_features.py(3KB)
--------__init__.py(0B)
--------minimal.py(1015B)
----pylmnn()
--------dataset()
--------LMNN classification exploration.ipynb(1.41MB)
--------utils.py(2KB)
--------lmnn.py(49KB)
--------embeddings()
--------bayesopt.py(4KB)
--------__init__.py(65B)
--------few shot setting --- LMNN classification exploration.ipynb(2.25MB)
----requirements.txt(1KB)
----setup.py(2KB)