Imagem do Avatar do Produto

metric-learn

Mostrar detalhamento de classificação
3 avaliações
  • Perfis 1
  • Categorias 1
Classificação média por estrelas
4.0
Atendendo clientes desde
Filtros de Perfil

Todos os Produtos e Serviços

Nome do Perfil

Classificação por Estrelas

1
2
0
0
0

metric-learn Avaliações

Filtros de Avaliação
Nome do Perfil
Classificação por Estrelas
1
2
0
0
0
Usuário Verificado em Segurança de Redes e Computadores
US
Usuário Verificado em Segurança de Redes e Computadores
11/05/2024
Avaliador validado
Usuário atual verificado
Fonte da Revisão: Convite da G2
Revisão Incentivada
Traduzido Usando IA

Boa biblioteca de código aberto para vários algoritmos de ML

Os métricas bem testadas disponíveis prontamente pela biblioteca.
Usuário Verificado em Tecnologia da Informação e Serviços
UT
Usuário Verificado em Tecnologia da Informação e Serviços
10/03/2024
Avaliador validado
Usuário atual verificado
Fonte da Revisão: Orgânico
Traduzido Usando IA

Aprendizado supervisionado baseado em métricas

O aprendizado de métrica fracamente supervisionado é o melhor, ele tem o poder de operar em julgamentos e diferentes objetos de dados em vez de apenas pontos, como tuplas.
KT
Kevin T.
08/20/2018
Avaliador validado
Fonte da Revisão: Convite da G2
Revisão Incentivada
Traduzido Usando IA

Biblioteca de aprendizado de máquina para Python

Boa biblioteca de aprendizado de máquina para Python, relativamente fácil de configurar e possui muitos algoritmos integrados. Eu apenas o algoritmo de vizinho mais próximo de margem larga para mapeamento de grupos de clientes.

Sobre

Social

O que é 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.