Image de l'avatar du produit

metric-learn

Afficher le détail des notes
3 avis
  • 1 profils
  • 1 catégories
Note moyenne des étoiles
4.0
Au service des clients depuis
Filtres de profil

Tous les produits et services

Nom du profil

Évaluation par étoiles

1
2
0
0
0

metric-learn Avis

Filtres d'avis
Nom du profil
Évaluation par étoiles
1
2
0
0
0
Utilisateur vérifié à Sécurité informatique et réseau
US
Utilisateur vérifié à Sécurité informatique et réseau
11/05/2024
Évaluateur validé
Utilisateur actuel vérifié
Source de l'avis : Invitation G2
Avis incitatif
Traduit à l'aide de l'IA

Bonne bibliothèque open source pour plusieurs algorithmes d'apprentissage automatique

Les métriques prêtes à l'emploi et bien testées fournies d'emblée par la bibliothèque.
Utilisateur vérifié à Technologie de l'information et services
UT
Utilisateur vérifié à Technologie de l'information et services
10/03/2024
Évaluateur validé
Utilisateur actuel vérifié
Source de l'avis : Organique
Traduit à l'aide de l'IA

Apprentissage supervisé basé sur des métriques

L'apprentissage métrique faiblement supervisé est le meilleur, il a le pouvoir d'opérer sur des jugements et différents objets de données plutôt que seulement sur des points tels que des tuples.
KT
Kevin T.
08/20/2018
Évaluateur validé
Source de l'avis : Invitation G2
Avis incitatif
Traduit à l'aide de l'IA

Bibliothèque d'apprentissage automatique pour Python

Bonne bibliothèque d'apprentissage automatique pour Python, relativement facile à configurer et dispose de nombreux algorithmes intégrés. Je le grand algorithme de marge de voisin le plus proche pour la cartographie des groupes de clients.

À propos

Contact

Siège social :
N/A

Réseaux sociaux

Qu'est-ce que 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.

Détails