使用蛛网族中的算法进行增量概念形成的库。
concept-formation的Python项目详细描述
这是一个python算法库,它执行由 克里斯托弗·麦克莱伦(http://www.christopia.net)和埃里克·哈普斯特德 (http://www.erikharpstead.net)。
概述
在这个库中,COBWEB和 COBWEB/3 实现了算法。这些系统接受一系列实例 表示为属性和值的字典(其中值可以是 对于蛛网,为nominal;对于蛛网,为numeric或nominal/3),并学习 概念层次。生成的层次结构可用于群集和 预测。
这个库还包括 TRESTLE, 支持结构化和关系数据的cobweb和cobweb/3的扩展 目标该系统使用部分匹配来重命名要对齐的新对象 使用前面的示例,然后对这些重命名的对象进行分类。
最后,我们扩展了cobweb/3算法来支持三个密钥。 改进。首先,cobweb/3现在使用unbiased estimator来 计算数值的标准偏差。这特别有用 在可用数据点数量较少的情况下。其次, cobweb/3支持连续值的在线规范化,即 在数值具有不同比例的情况下非常有用,并且有助于 确保数值对模型的影响不超过标称值。 最后,假设在测量连续的 值,这个噪声保证任何一个值的概率都不会超过 1,即使标准差很小。
安装
您可以使用pip安装此软件:
pip install -U concept_formation
您可以直接从github安装最新版本的代码:
pip install -U git+https://github.com/cmaclell/concept_formation@master
示例
我们已经创建了许多示例来演示 这个图书馆。这些例子可以找到 here。
引用此软件
如果你在科学宣传中使用这个软件,我们将不胜感激 引用以下论文:
Maclellan,C.J.,Harpstead,E.,Aleven,V.,Koedinger K.R.(2016年)TRESTLE: A Model of Concept Formation in Structured Domains。 认知系统进展,4131-150。
bibtex条目:
@article{trestle:2016a, author={MacLellan, C.J. and Harpstead, E. and Aleven, V. and Koedinger, K.R.}, title={TRESTLE: A Model of Concept Formation in Structured Domains}, journal={Advances in Cognitive Systems}, volume={4}, year={2016} }