CausalML: Python Package for Causal Machine Learning
Uber Technologies Inc.(优步技术公司)
Causal ML是与因果推理和机器学习相关的算法的Python实现。结合因果推理和机器学习的算法近年来一直是一个热门话题。这个包试图通过在Python中提供该领域的方法集合来弥合方法论理论工作和实际应用之间的差距。本文介绍了该包的关键概念、范围和用例。
2020-03-02 cs.CY cs.LG stat.CO
torchosr -- a PyTorch extension package for Open Set Recognition models evaluation in Python
Wrocław University of Science and Technology(弗罗茨瓦夫理工大学)
本文提出torchosr,一个兼容PyTorch的Python包,提供开放集识别的最先进方法和派生集生成工具,旨在简化并促进大规模、多配置下的正确实验评估,并提供开源实现。
2023-05-16 cs.CV cs.LG
QRMine: A python package for triangulation in Grounded Theory
McMaster University(麦克马斯特大学);East Carolina University(东卡罗来纳大学)
扎根理论(GT)是一种基于数据建立理论的定性研究方法。GT使用文本和数字数据,并遵循各种阶段的编码或标记数据的意义,如开放编码和选择性编码。机器学习(ML)技术,包括自然语言处理(NLP),可以帮助研究人员进行编码过程。三角测量是组合各种类型数据的过程。ML可以促进从数字数据中获得见解,以证实文本访谈记录的发现。我们提出了一个开源Python包(QRMine),它封装了各种ML和NLP库,以支持GT中的编码和三角测量。QRMine使研究人员能够以最小的努力在他们的数据上使用这些方法。研究人员可以从python包索引(PyPI)安装QRMine,并为其开发做出贡献。我们相信,计算三角测量的概念将使GT在大数据领域相关。
2020-03-30 cs.CL cs.LG
MIIDL: a Python package for microbial biomarkers identification powered by interpretable deep learning
检测用于预测疾病表型和临床结果的微生物生物标志物对于疾病早期筛查和诊断至关重要。大多数生物标志物鉴定方法是基于线性的,这是非常有限的,因为生物过程很少是完全线性的。将机器学习引入这一领域往往会带来一个有前途的解决方案。然而,以可解释的、数据驱动的和稳健的方式鉴定微生物生物标志物仍然具有挑战性。我们介绍了MIIDL,这是一个Python包,用于基于可解释的深度学习识别微生物生物标志物。MIIDL创新性地应用了卷积神经网络、多种可解释性算法和大量的预处理方法,为从高维稀疏数据集中识别微生物生物标志物提供了一站式和强大的管道。
2021-09-24 cs.LG q-bio.QM
nabqr: Python package for improving probabilistic forecasts
DTU Compute(DTU计算学院);QUENT ApS(QUENT公司)
本文介绍了开源 Python 包 NABQR,通过 LSTM 网络校正集合并应用时间自适应分位数回归,在丹麦风电日前预测中将平均绝对精度提高达 40%,从而提供更可靠的概率预测。
2025-01-29 cs.LG stat.AP stat.CO
dnamite: A Python Package for Neural Additive Models
Universität Innsbruck(因斯布鲁克大学)
本文提出Python包dnamite,以scikit-learn风格接口实现神经加性模型,支持回归、分类、生存分析和特征选择,并在MIMIC III临床数据上验证了其实用性。
2025-03-06 cs.LG stat.ML
PySensors: A Python Package for Sparse Sensor Placement
University of Washington(华盛顿大学)
PySensors是一个Python包,用于选择和放置稀疏的传感器集,用于分类和重建任务。具体来说,PySensors实现了数据驱动的稀疏传感器布局优化重建(SSPOR)和稀疏传感器布局优化分类(SSPOC)算法。在这项工作中,我们简要描述了稀疏传感器优化的数学算法和理论,以及PySensors中实现的功能的概述和演示(带有代码示例)。我们还为用户提供了实用的建议,以及PySensors的潜在扩展列表。软件可在https://github.com/dynamicslab/pysensors上获得。
2021-02-20 cs.LG eess.SP math.OC
spd-metrics-id: A Python Package for SPD-Aware Distance Metrics in Connectome Fingerprinting and Beyond
Department of Mathematics and Statistics, Auburn University, USA(数学与统计学系,阿伯茨海德大学)
本研究推出Python包spd-metrics-id,提供统一可扩展可复现的SPD矩阵距离计算框架,支持多种几何感知度量与多使用方式,可应用于连接组指纹识别等多领域。
2025-10-06 cs.LG stat.CO stat.ML
scikit-fda: A Python Package for Functional Data Analysis
Universidad Autónoma de Madrid(马德里自治大学)
scikit-fda是一个遵循scikit-learn接口的Python函数型数据分析软件包,提供表示、预处理和探索性分析工具,并以BSD许可证开源发布。
2023-06-22 cs.LG cs.MS stat.CO
geomstats: a Python Package for Riemannian Geometry in Machine Learning
Stanford University(斯坦福大学);Froglabs AI(Froglabs人工智能公司);Inria Sophia-Antipolis(法国国家信息与自动化研究所索菲亚-安蒂波利斯分院)
我们将介绍geomstats,这是一个Python软件包,可以在超球面、双曲空间、对称正定矩阵空间和变换李群等流形上执行计算。我们提供了这些流形的有效和广泛的单元测试实现,以及有用的黎曼度量和相关的指数和对数映射。相应的测地线距离提供了一系列机器学习损失函数的直观选择。我们也给出了相应的黎曼梯度。geomstats中实现的操作可用于不同的计算后端,如numpy,tensorflow和keras。我们已经启用了GPU实现,并将geomstats流形计算集成到keras深度学习框架中。本文还介绍了机器学习中流形的回顾和geomstats包的概述,并举例说明其用于高效和用户友好的黎曼几何。
2018-11-06 cs.LG cs.MS stat.ML
Sketch 'n Solve: An Efficient Python Package for Large-Scale Least Squares Using Randomized Numerical Linear Algebra
Boston University(波士顿大学)
本文提出开源Python包Sketch 'n Solve,基于NumPy和SciPy实现随机数值线性代数技术,通过提供密集与稀疏sketching算子解决大规模最小二乘问题,比传统LSQR加速达50倍且保持高精度。
2024-11-17 cs.LG cs.NA math.NA
Latte: Cross-framework Python Package for Evaluation of Latent-Based Generative Models
Georgia Institute of Technology(佐治亚理工学院);Nanyang Technological University(南洋理工大学)
Latte(Latent Tensor Evaluation)是一个Python库,用于在解纠缠学习和可控生成领域评估基于延迟的生成模型。Latte与PyTorch和TensorFlow/Keras兼容,并提供功能性和模块化API,可以轻松扩展以支持其他深度学习框架。Latte使用基于NumPy和与框架无关的实现,确保可重复、一致和确定性的度量计算,而不管选择的是哪种深度学习框架。
2022-01-22 cs.AI cs.IR cs.LG
SemSegLoss: A python package of loss functions for semantic segmentation
图像分割一直是一个活跃的研究领域,因为它具有广泛的应用,从自动疾病检测到自动驾驶汽车。近年来,各种研究论文提出了不同的损失函数,用于有偏数据,稀疏分割和不平衡数据集的情况下。在本文中,我们介绍了SemSegLoss,一个Python包,包括一些著名的损失函数广泛用于图像分割。它的目的是帮助研究人员开发新的损失函数,并为各种应用程序的模型架构进行广泛的实验。所提出的软件包的易用性和灵活性,允许减少开发时间和增加评估策略的机器学习模型的语义分割。此外,由于其功能的通用性,使用图像分割的不同应用程序可以使用SemSegLoss。这种广泛的应用将导致AI在所有行业的发展和增长。
2021-05-18 cs.CV cs.LG eess.IV
UQLM: A Python Package for Uncertainty Quantification in Large Language Models
CVS Health(CVS健康)
UQLM是一个用于检测大型语言模型幻觉的Python工具包,通过先进的不确定性量化技术提升模型输出的可靠性。
2026-01-26 cs.AI cs.CL cs.LG
FDApy: a Python package for functional data
Department of Mathematics and Statistics, University of Limerick(利默里克大学数学与统计学院)
本文介绍了 FDApy,一个用于分析函数型数据的开源 Python 包,提供了多元与不规则采样数据的表示、降维技术及数据集生成工具,并附带完整文档。
2024-08-12 cs.LG cs.MS stat.CO
SurvLIMEpy: A Python package implementing SurvLIME
Universitat Politècnica de Catalunya(加泰罗尼亚理工大学)
在本文中,我们提出了SurvLIMEpy,一个开源的Python包,实现了SurvLIME算法。该方法允许为设计用于对生存分析数据建模的机器学习算法计算局部特征重要性。我们的实现利用了并行化范式,因为所有计算都以矩阵方式执行,从而加快了执行时间。此外,SurvLIMEpy通过可视化工具帮助用户更好地理解算法的结果。该软件包支持各种各样的生存模型,从考克斯比例风险模型到DeepHit或DeepSurv等深度学习模型。本文介绍了两种类型的实验。首先,通过模拟数据,我们研究了算法捕捉特征重要性的能力。其次,我们使用三个开源生存数据集和一组生存算法来演示SurvLIMEpy在应用于不同模型时的行为。
2023-03-17 cs.AI cs.LG cs.MS
LangFair: A Python Package for Assessing Bias and Fairness in Large Language Model Use Cases
CVS Health Corporation(CVS健康公司)
本文介绍了开源Python包LangFair,旨在为LLM从业者提供评估特定用例中偏见与公平性风险的工具,支持生成评估数据集、计算适用指标,并提供决策框架指导指标选择。
2025-01-06 cs.AI cs.CL cs.CY