GitHubじゃ!Pythonじゃ!

GitHubからPython関係の優良リポジトリを探したかったのじゃー、でも英語は出来ないから日本語で読むのじゃー、英語社会世知辛いのじゃー

ContextLab

hypertools – 高次元データへの幾何学的な洞察を得るためのPythonツールボックス

投稿日:

高次元データへの幾何学的な洞察を得るためのPythonツールボックス http://hypertools.readthedocs.io/en/l…

14次元空間のハイパープレーンに対処するには、3D空間を視覚化し、「14」を非常に大きな声で言う。誰もがそれをする 」 – Geoff Hinton

概要

HyperToolsは、高次元データの視覚的探索を基に、 次元削減を容易にするように設計されています。 基本的なパイプラインは、高次元のデータセット(または一連の高次元のデータセット)を送り、単一の関数呼び出しで、データセットの次元を減らしてプロットを作成することです。 このパッケージは、 matplotlibscikit-learnseabornなど多くの親しみやすい友人の上に構築されています。 私たちのパッケージは最近、 KaggleのNo Free Hunchのブログに掲載されました。 一般的な概要については、 この話が有益です(ダートマスのMINDサマースクールの一環として提供されます)。

それを試してみてください!

バッジをクリックして、例を使用してバインダーインスタンスを起動します。

または

HyperToolsの論文からJupyterノートブックのレポを確認してください。

インストール

最新の安定版をインストールするには:

pip install hypertools

最新の不安定版をGitHubから直接インストールするには、次のコマンドを実行します。

pip install -U git+https://github.com/ContextLab/hypertools.git

または、リポジトリをローカルマシンに複製することもできます。

git clone https://github.com/ContextLab/hypertools.git

次に、フォルダに移動して次のように入力します。

pip install -e .

(これらの手順では、システムにpipがインストールされていることを前提としています)

注:0.5.0の開発版を使用している場合は、データキャッシュ(/ Users / yourusername / hypertools_data)をクリアしてください。

要件

  • Python 2.7,3.5 +
  • PPCA> = 0.0.2
  • scikit-learn> = 0.18.1
  • パンダ> = 0.18.0
  • 海軍> = 0.8.1
  • matplotlib> = 1.5.1
  • scipy> = 0.17.1
  • numpy> = 1.10.4
  • 未来
  • リクエスト
  • 深く
  • pytest(開発用)
  • ffmpeg(アニメーション保存用)

pipの代わりにgithubからインストールする場合は、 pip install -r requirements.txtもインストールする必要があります。

ドキュメンテーション

詳細なドキュメント、APIの詳細、およびその他の例については、 readthedocsのページをご覧ください。

引用

私たちはここで読むことができるHyperToolsについての短いJMLR論文を書いた、あるいはここで(もっと長い)プレプリントをチェックアウトすることができます また、本書のサンプルノートを含むリポジトリもあります

次のように引用してください:

Heusser AC, Ziman K, Owen LLW, Manning JR (2018) HyperTools: A Python toolbox for gaining geometric insights into high-dimensional data. Journal of Machine Learning Research, 18(152): 1--6.

bibtex形式の参照があります:

@ARTICLE {,
    author  = {Andrew C. Heusser and Kirsten Ziman and Lucy L. W. Owen and Jeremy R. Manning},
    title   = {HyperTools: a Python Toolbox for Gaining Geometric Insights into High-Dimensional Data},
    journal = {Journal of Machine Learning Research},
    year    = {2018},
    volume  = {18},
    number  = {152},
    pages   = {1-6},
    url     = {http://jmlr.org/papers/v18/17-434.html}
}

貢献する

貢献したい場合は、まず行動規範をお読みください。

プロジェクトに貢献する具体的な情報については、 寄稿ページをご覧ください。

テスト

HyperToolsをテストするには、pytest( pip install pytest )をpip install pytestし、HyperToolsフォルダにpytestを実行します

より多くの例はこちらをご覧ください。

プロット

import hypertools as hyp
hyp.plot(list_of_arrays, '.', group=list_of_labels)

整列

import hypertools as hyp
hyp.plot(list_of_arrays, align='hyper')

アフター

クラスタ

import hypertools as hyp
hyp.plot(array, '.', n_clusters=10)

説明する

import hypertools as hyp
hyp.tools.describe(list_of_arrays, reduce='PCA', max_dims=14)







-ContextLab
-, , , , , , , ,

執筆者:

ContextLab

hypertools – 高次元データへの幾何学的な洞察を得るためのPythonツールボックス

投稿日:

(さらに…)







-ContextLab
-, , , , , , , ,

執筆者: