concept-formation 0.3.4

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

重要链接

• 源代码：https://github.com/cmaclell/concept_formation
• 文档：http://concept-formation.readthedocs.org

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}
}