文件名称：develop-regularisation-path
文件大小：306KB
文件格式：ZIP
更新时间：2024-05-06 17:38:35
Python
赤道 有效正交是一个开源库，用于不确定性量化，机器学习，优化，数值积分和降维-全部使用正交多项式。 对于感兴趣的输出量平滑且连续的模型/问题特别有用； 在此程度上，它已在计算工程模型（有限元，计算流体动力学等）中得到了广泛的应用。 它建立在这些领域的最新研究之上，并具有确定性和随机算法。 ，，，，和研究人员正在积极开发“有效正交”。 有效正交是NumFOCUS的一个附属项目。 与该代码关联的关键词：多项式替代，多项式混沌，多项式变量投影，高斯求积，Clenshaw Curtis，多项式最小二乘，压缩感知，梯度增强的替代，监督学习。 代码 该代码的最新版本是Narwhal v9.0.1，并于2020年9月发布。 要下载并安装代码，请使用python package index命令： pip install equadratures 或者，如果您使用的是python3，则 pip3 i
【文件预览】：
develop-regularisation-path-main
----.travis.yml(1KB)
----equadratures()
--------polytree.py(48KB)
--------polynet.py(10KB)
--------correlations.py(11KB)
--------poly.py(51KB)
--------scalers.py(2KB)
--------stats.py(18KB)
--------datasets.py(8KB)
--------subsampling.py(6KB)
--------sampling_methods()
--------weight.py(6KB)
--------parameter.py(22KB)
--------__init__.py(668B)
--------solver.py(45KB)
--------subspaces.py(29KB)
--------plot.py(21KB)
--------distributions()
--------basis.py(14KB)
--------quadrature.py(3KB)
--------optimisation.py(48KB)
----joss()
--------paper.md(3KB)
--------paper.bib(1KB)
----test.py(93B)
----sh.exe.stackdump(716B)
----tests()
--------test_statistics.py(6KB)
--------test_basis.py(2KB)
--------test_optimisation.py(14KB)
--------test_dealing_with_nans.py(1KB)
--------test_least_squares_sampling.py(4KB)
--------test_compressive_sensing.py(166KB)
--------test_parameter.py(601B)
--------test_subspaces.py(166KB)
--------test_minimum_norm.py(1022B)
--------test_polytree.py(4KB)
--------test_regression.py(10KB)
--------test_polynet.py(1KB)
--------test_numerical_integration.py(4KB)
--------test_induced.py(1KB)
--------test_correlated_sampling.py(4KB)
--------test_gradient_enhancement.py(3KB)
--------test_distributions.py(16KB)
--------test_utilities.py(3KB)
----LICENSE(26KB)
----solver.py(45KB)
----.coveralls.yml(71B)
----setup.py(1KB)
----.gitignore(472B)
----plot.py(21KB)
----README.md(4KB)