OPFython：Python启发式最优路径森林分类器

欢迎使用OPFython。

请注意，此实现完全依赖于标准的 LibOPF。因此，如果使用我们的包，请也引用原始LibOPF 作者。

你是否想将数据分类到标签中？如果是，OPFython就是为你准备的！此包是一种处理最优路径森林分类器的创新方式。从下到上，从样本和数据集到实际的分类器，我们将培养所有与这一新趋势相关的所有研究。

需要库或希望使用OPFython时

• 创建你的数据集；
• 设计或使用预加载的先进分类器；
• 混合匹配不同的策略来解决你的问题；
• 因为分类事物很酷。

请参阅opfython.readthedocs.io上的文档。

OPFython与： Python 3.6+ 兼容。

包指南

1. 你需要的第一信息就在下一个 下一节 中。
2. 安装也很简单，如果你愿意阅读代码并自己动手，请继续阅读。
3. 请注意，使用我们的解决方案可能需要一些额外的步骤。
4. 如果出现问题，请不要 犹豫。联系我们。

引用

如果你使用OPFython满足任何需求，请引用以下之一

@article{rosa2021simpa,
    title = {OPFython: A Python implementation for Optimum-Path Forest},
    author = {Gustavo H. {de Rosa} and João P. Papa},
    journal = {Software Impacts},
    pages = {100113},
    year = {2021},
    issn = {2665-9638},
    doi = {https://doi.org/10.1016/j.simpa.2021.100113},
}

@misc{rosa2021speedup,
      title={Speeding Up OPFython with Numba},
      author={Gustavo H. de Rosa and João Paulo Papa},
      year={2021},
      eprint={2106.11828},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

数据集

正在寻找数据集？我们已将一些预加载到OPF文件格式的数据集。只需在我们的网站上查看！

入门：用OPFython开始60秒

首先，我们有示例。是的，它们有注释。只需浏览到examples/，选择你的子包，然后按照示例操作。我们对大多数任务都有高级示例。

或者，如果你想了解更多，请花一分钟时间

OPFython基于以下结构，你应该注意其树形结构

- opfython
    - core
        - heap
        - node
        - opf
        - subgraph
    - math
        - distance
        - general
        - random
    - models
        - knn_supervised
        - semi_supervised
        - supervised
        - unsupervised
    - stream
        - loader
        - parser
        - splitter
    - subgraphs
        - knn
    - utils
        - constants
        - converter
        - decorator
        - exception
        - logging

核心

核心是核心。本质上，它是所有内容的父级。你应该找到定义我们结构基础的父类。它们应该提供变量和方法，以帮助构建其他模块。

数学

仅仅因为我们正在计算东西，并不意味着我们不需要数学。数学是数学包，包含低级数学实现。从随机数到分布生成，你可以在本模块中找到你的需求。

模型

每个基于OPF的机器学习技术都在这个包中定义。从监督OPF到无监督OPF，你可以使用任何适合你需求的。

流

每个流水线都有其第一步，对吧？流包作为加载数据、将其解析为可行的数组，并将它们分成所需集（训练、评估、测试）的主要方法。

子图

由于每种OPF分类器可能需要一个特定的子图，我们决定定义一个独特的包来存放它们。子图包负责实现一些变体，例如k最近邻（KNN）子图。

实用工具

这是一个实用工具包。应该在应用程序中共享的常见事物在这里实现。最好一次性实现并按需使用，而不是反复实现同样的事情。

安装

我们认为一切都应该简单。不要复杂或令人畏惧，OPFython将是你需要的包，从第一次安装到日常任务实现需求。只需在你最偏好的Python环境中运行以下命令（raw、conda、virtualenv，等等）

pip install opfython

或者，如果您想安装最新的版本，请克隆此存储库并使用

pip install -e .

环境配置

请注意，有时需要额外的实现。如果需要，从这里您将了解所有详细信息。

Ubuntu

不需要特定的附加命令。

Windows

不需要特定的附加命令。

MacOS

不需要特定的附加命令。

支持

我们知道我们尽力而为，但承认我们犯错误是不可避免的。如果您需要报告错误、报告问题或与我们交谈，请这样做！我们将尽最大努力在此存储库或gustavo.rosa@unesp.br提供帮助。