[ Pakiet źródłowy: debian-science ]
Pakiet: science-machine-learning (1.10)
Odnośniki dla science-machine-learning
Zasoby systemu Debian:
- Raporty o błędach
- Developer Information
- Dziennik zmian w systemie Debian
- Informacje nt. praw autorskich
Pobieranie pakietu źródłowego debian-science:
Opiekunowie:
- Debian Science Team (Strona QA, Archiwum e-mail)
- Andreas Tille (Strona QA)
- Ole Streicher (Strona QA)
Zasoby zewnętrzne:
- Strona internetowa [wiki.debian.org]
Podobne pakiety:
"Debian Science" - pakiety do uczenia maszynowego
Ten metapakiet instaluje pakiety przydatne w uczeniu maszynowym. Dostępne pakiety obejmują systemy wnioskowania oparte na wiedzy (eksperckie) aż po oprogramowanie wdrażające zaawansowane metody statystyczne, które obecnie dominują w tej dziedzinie.
Inne pakiety związane z science-machine-learning
|
|
|
|
-
- dep: science-config (= 1.10)
- "Debian Science" - pakiet konfiguracyjny projektu
-
- dep: science-tasks (= 1.10)
- "Debian Science" - zadania dla narzędzia tasksel
-
- rec: autoclass
- Automatyczna klasyfikacja lub klastrowanie
-
- rec: caffe-cpu
- Fast, open framework for Deep Learning (Meta)
-
- rec: libfann-dev
- Development libraries and header files for FANN
-
- rec: libga-dev
- C++ Library of Genetic Algorithm Components
-
- rec: liblinear-dev
- Development libraries and header files for LIBLINEAR
-
- rec: libmlpack-dev
- intuitive, fast, scalable C++ machine learning library (development libs)
-
- rec: libocas-dev
- Development libraries and header files for LIBOCAS
-
- rec: libshogun-dev
- Large Scale Machine Learning Toolbox
-
- rec: libsvm-dev
- LIBSVM header files
-
- rec: libtorch3-dev
- State of the art machine learning library - development files
-
- rec: libvigraimpex-dev
- development files for the C++ computer vision library
-
- rec: lua-torch-graph
- Graph Computation Package for Torch Framework
-
- rec: lua-torch-image
- Image Load/Save Library for Torch Framework
-
- rec: lua-torch-nn
- Neural Network Package for Torch Framework
-
- rec: lua-torch-nngraph
- Neural Network Graph Package for Torch Framework
-
- rec: lua-torch-optim
- Numeric Optimization Package for Torch Framework
-
- rec: lua-torch-trepl
- REPL Package for Torch Framework
-
- rec: lua-torch-xlua
- Lua Extension Package for Torch Framework
-
- rec: mcl
- Algorytm klastrów Markowa
-
- rec: octave-ga
- Kod do optymalizacji genetycznej dla Octave
-
- rec: python-genetic
- genetic algorithms in Python
-
- rec: python-opencv
- Python bindings for the computer vision library
-
- rec: python-pebl
- Python Environment for Bayesian Learning
-
- rec: python-statsmodels
- Python module for the estimation of statistical models
-
- rec: python-vigra
- Python bindings for the C++ computer vision library
-
- rec: python3-amp
- Atomistic Machine-learning Package (python 3)
-
- rec: python3-keras
- deep learning framework running on Theano or TensorFlow
-
- rec: python3-lasagne
- deep learning library build on the top of Theano (Python3 modules)
-
- rec: python3-sklearn
- Python modules for machine learning and data mining - Python 3
-
- rec: python3-thinc
- Practical Machine Learning for NLP in Python
-
- rec: r-cran-amore
- GNU R: A MORE flexible neural network package
-
- rec: r-cran-bayesm
- GNU R package for Bayesian inference
-
- rec: r-cran-class
- Pakiet GNU R do klasyfikacji
-
- rec: r-cran-cluster
- GNU R package for cluster analysis by Rousseeuw et al
-
- rec: r-cran-gbm
- GNU R package providing Generalized Boosted Regression Models
-
- rec: r-cran-mass
- GNU R package of Venables and Ripley's MASS
-
- rec: r-cran-mcmcpack
- R routines for Markov chain Monte Carlo model estimation
-
- rec: r-cran-metrics
- GNU R evaluation metrics for machine learning
-
- rec: r-cran-mlbench
- GNU R Machine Learning Benchmark Problems
-
- rec: r-cran-mlr
- Machine learning in GNU R
-
- rec: r-cran-mnp
- GNU R package for fitting multinomial probit (MNP) models
-
- rec: r-cran-msm
- GNU R Multi-state Markov and hidden Markov models in continuous time
-
- rec: r-cran-tgp
- GNU R Bayesian treed Gaussian process models
-
- rec: torch-core-free
- Scientific Computing Framework For Luajit (Core Components)
-
- rec: toulbar2
- Exact combinatorial optimization for Graphical Models
-
- rec: weka
- Machine learning algorithms for data mining tasks
-
- sug: ask
- Adaptive Sampling Kit for big experimental spaces
-
- sug: caffe-cuda
- Fast, open framework for Deep Learning (Meta)
-
- sug: flann
- Pakiet niedostępny
-
- sug: gprolog
- Pakiet niedostępny
-
- sug: libacovea-dev
- Pakiet niedostępny
-
- sug: libcomplearn-dev
- Pakiet niedostępny
-
- sug: libcv-dev
- Pakiet niedostępny
-
- sug: libdlib-dev
- C++ toolkit for machine learning and computer vision - development
-
- sug: libevocosm-dev
- Pakiet niedostępny
-
- sug: libfclib-dev
- read and write problems from the Friction Contact Library (headers)
-
- sug: libmkldnn-dev
- Intel Math Kernel Library for Deep Neural Networks (dev)
-
- sug: libqsearch-dev
- Pakiet niedostępny
-
- sug: libroot-math-mlp-dev
- Pakiet niedostępny
-
- sug: libroot-montecarlo-vmc-dev
- Pakiet niedostępny
-
- sug: libroot-tmva-dev
- Pakiet niedostępny
-
- sug: libshark-dev
- Pakiet niedostępny
-
- sug: libxsmm-dev
- Pakiet niedostępny
-
- sug: pgapack
- Pakiet niedostępny
-
- sug: pybrain
- Pakiet niedostępny
-
- sug: python-mdp
- Pakiet niedostępny
-
- sug: python-mlpy
- Pakiet niedostępny
-
- sug: python-mvpa2
- Pakiet niedostępny
-
- sug: python-orange
- Pakiet niedostępny
-
- sug: python-pyevolve
- Pakiet niedostępny
-
- sug: python-pymc
- Pakiet niedostępny
-
- sug: python3-hdmedians
- high-dimensional medians in Python3
-
- sug: root-system
- Pakiet niedostępny
-
- sug: science-numericalcomputation
- "Debian Science" - pakiety do wykonywania obliczeń numerycznych
-
- sug: science-statistics
- "Debian Science" - pakiety związane ze statystykami
-
- sug: science-typesetting
- "Debian Science" - pakiety do składania tekstu
-
- sug: scilab-ann
- Pakiet niedostępny
-
- sug: spacy
- Pakiet niedostępny
-
- sug: vowpal-wabbit
- Pakiet niedostępny
-
- sug: yap
- Pakiet niedostępny
Pobieranie science-machine-learning
Architektura | Rozmiar pakietu | Rozmiar po instalacji | Pliki |
---|---|---|---|
all | 18,3 KiB | 38,0 KiB | [lista plików] |