2026 Best Software Awards are here!See the list
Produkt-Avatar-Bild

metric-learn

Bewertungsdetails anzeigen
3 Bewertungen
  • 1 Profile
  • 1 Kategorien
Durchschnittliche Sternebewertung
4.0
Betreut Kunden seit
Profilfilter

Alle Produkte & Dienstleistungen

Profilname

Sternebewertung

1
2
0
0
0

metric-learn Bewertungen

Bewertungsfilter
Profilname
Sternebewertung
1
2
0
0
0
Verifizierter Benutzer in Computer- und Netzwerksicherheit
BC
Verifizierter Benutzer in Computer- und Netzwerksicherheit
11/05/2024
Bestätigter Bewerter
Verifizierter aktueller Benutzer
Bewertungsquelle: G2-Einladung
Anreizbasierte Bewertung
Übersetzt mit KI

Gute Open-Source-Bibliothek für mehrere ML-Algorithmen

Die sofort verfügbaren, gut getesteten Metriken, die von der Bibliothek bereitgestellt werden.
Verifizierter Benutzer in Informationstechnologie und Dienstleistungen
BI
Verifizierter Benutzer in Informationstechnologie und Dienstleistungen
10/03/2024
Bestätigter Bewerter
Verifizierter aktueller Benutzer
Bewertungsquelle: Organisch
Übersetzt mit KI

Metrikbasiertes überwachtes Lernen

Schwach überwachtes metrisches Lernen ist das Beste, es hat die Fähigkeit, auf Urteilen und verschiedenen Datenobjekten zu arbeiten, anstatt nur auf Punkten wie Tupeln.
KT
Kevin T.
08/20/2018
Bestätigter Bewerter
Bewertungsquelle: G2-Einladung
Anreizbasierte Bewertung
Übersetzt mit KI

Maschinelles Lernen Bibliothek für Python

Gute Machine-Learning-Bibliothek für Python, relativ einfach einzurichten und hat viele Algorithmen integriert. Ich nur den Large-Margin-Nearest-Neighbor-Algorithmus für die Zuordnung von Kundengruppen.

Über

Sozial

Was ist metric-learn?

Metric-learn is a Python library for metric learning that integrates seamlessly with scikit-learn. It provides a collection of algorithms to learn distance metrics tailored to specific tasks, improving performance in classification, clustering, and retrieval problems. The library is designed to be user-friendly, offering tools that are compatible with scikit-learn's estimators and workflows. Users can access various algorithms, such as supervised and weakly supervised metric learners, through a consistent API.