一个开源的、受自然启发的 Python 优化聚类框架
项目描述
EvoCluster 是一个用 Python 实现的开源和跨平台框架，其中包括最知名和最近受自然启发的元启发式优化器，这些优化器经过定制以执行分区集群任务。该框架的目标是提供基于元启发式的聚类算法的用户友好和可定制的实现，有经验的和没有经验的用户可以将其用于不同的应用程序。研究人员也可以使用该框架，他们可以从元启发式优化器的实施中受益于他们的研究。
- 网页：http ://evo-ml.com/evocluster/
- 论文：https ://link.springer.com/chapter/10.1007/978-3-030-43722-0_2
- 扩展论文：https ://link.springer.com/article/10.1007/s42979-021-00511-0
- 源代码：https ://github.com/RaneemQaddoura/EvoCluster/
特征
- 实现了十个受自然启发的元启发式优化器（SSA、PSO、GA、BAT、FFA、GWO、WOA、MVO、MFO 和 CS）。
- 五个目标函数（SSE、TWCV、SC、DB 和 DI）。
- 从 Scikit learn、UCI、东芬兰大学计算学院、ELKI、KEEL 和 Naftali Harris 博客获得的 30 个数据集
- 十二种评估措施（SSE、纯度、熵、HS、CS、VM、AMI、ARI、Fmeasure、TWCV、SC、准确度、DI、DB 和标准差）
- 二十多个距离措施
- 检测k值的十种不同方法
- 实现使用使用 [NumPy] ( http://www.numpy.org/ ) 的快速数组操作。
- 使用 [SciPy's] ( https://www.scipy.org/ ) 包的矩阵支持。
- 使用 [sklearn] ( https://scikit-learn.org/stable/ )的简单高效的预测工具
- 使用 [pandas] ( https://pandas.pydata.org/ )的文件数据分析和操作工具
- 使用 [matplotlib] ( https://matplotlib.org/ )绘制交互式可视化
- 更多优化器、目标函数、数据集和评估措施即将推出。
下载文件
下载适用于您平台的文件。如果您不确定要选择哪个，请了解有关安装包的更多信息。
源分布
EvoCluster-1.0.6.tar.gz
（306.8 kB
查看哈希）
内置分布
EvoCluster-1.0.6-py3-none-any.whl
（319.1 kB
查看哈希）
关
EvoCluster -1.0.6.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 4e6f82f4efb13ffcdc0e6291d793572d7172f507926ac10df76051a0e3f5324a |
|
| MD5 | 0262d3de4f0989feb21d1541b4d95915 |
|
| 布莱克2-256 | 817917d97e90200754085f933a1f843023cc4d7e75ac48e23c1ceb193b96186b |
关
EvoCluster -1.0.6-py3-none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | f68e8f96b1525df9cd1fc7da482f3c9ae81d6a9608eab4f7beca071835d9648a |
|
| MD5 | 09124e8dda0cfc02857dd302c58c5cc6 |
|
| 布莱克2-256 | b8e3b791ca932795a980ae4db5cb4e1123f05bcabc2afaaf336889271d1a2550 |