Manify让机器学习在非欧空间中更高效地处理复杂数据。
Manify: A Python Library for Learning Non-Euclidean Representations
- 基于流形学习，支持在非欧空间中学习数据嵌入
- 可估计流形曲率并用于分类回归任务
- 适合研究复杂几何结构数据的开发者和研究人员
我们提出 Manify，一个开源的 Python 库，用于非欧表示学习。借助流形学习技术，Manify 提供了在（乘积）非欧空间中学习嵌入的工具，支持在该类空间上进行分类与回归，以及估计流形曲率等操作。该库旨在通过提供一套全面的流形数据分析工具，推动机器学习研究与应用的发展。源代码、示例与文档可在 https://github.com/pchlenski/manify 获取。
原文摘要 · Abstract (English)
We present Manify, an open-source Python library for non-Euclidean representation learning. Leveraging manifold learning techniques, Manify provides tools for learning embeddings in (products of) non-Euclidean spaces, performing classification and regression with data that lives in such spaces, estimating the curvature of a manifold, and more. Manify aims to advance research and applications in machine learning by offering a comprehensive suite of tools for manifold-based data analysis. Our source code, examples, and documentation are available at https://github.com/pchlenski/manify.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。