基于回归分析的cobra算法的python实现
pycobra的Python项目详细描述
眼镜蛇
pycobra是一个用于集成学习的python库。它的作用是 使用这些集合的回归和分类工具包 机器,以及新产品性能的可视化 机器和组成机器。这里,当我们说机器的时候,我们指的是任何 预测器或机器学习对象-可能是套索回归器,或 甚至是神经网络。它与scikit learn兼容,适合 现有的SCIKIT学习生态系统。
pycobra提供了引入的cobra算法的python实现 作者:Biau等人(2016)回归分析。
另一个实现的算法是EWA(指数加权 聚合)聚合技术(在其他一些引用中,您 可以查看Dalalyan和Tsybakov(2007)的论文。
除了这两种回归聚合算法之外,pycobra 实现用于分类的眼镜蛇版本。这个程序有 由Mojirsheibani(1999)介绍。
pycobra还提供各种可视化和诊断方法 在matplotlib之上,允许用户分析和比较 眼镜蛇回归机。可视化类还允许您 使用一些工具(如voronoi镶嵌)在其他 可视化问题,如集群。
文档和示例
那个 notebooks 目录展示了pycobra的用法,包括示例和基本用法。 进一步的documentation页 介绍如何使用眼镜蛇。
安装
运行pip install pycobra从pypi下载并安装。
运行python setup.py install进行默认安装。
运行python setup.py test以运行所有测试。
运行pip install .从源安装。
依赖性
- Python2.7+,3.4+
- numpy、scipy、scikit learn、matplotlib
参考文献
- G.Biau、A.Fischer、B.Guedj和J.D.Malley(2016年),眼镜蛇:A 联合回归策略,多元分析杂志。
- M.Mojirsheibani(1999),通过离散化组合分类器, 美国统计协会杂志。
- A.S.Dalalyan和A.B.Tsybakov(2007)指数聚集 加权和尖锐的预言不平等,学习会议 理论。