معرفی شرکت ها


BDMLtools-0.3.5


Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Ml learning tools for busniess data mining
ویژگی مقدار
سیستم عامل -
نام فایل BDMLtools-0.3.5
نام BDMLtools
نسخه کتابخانه 0.3.5
نگهدارنده []
ایمیل نگهدارنده []
نویسنده 曾珂
ایمیل نویسنده zengke403@163.com
آدرس صفحه اصلی -
آدرس اینترنتی https://pypi.org/project/BDMLtools/
مجوز -
# BDMLtools-0.3.5 [![PyPI version](https://img.shields.io/pypi/pyversions/BDMLtools.svg)](https://pypi.python.org/pypi/BDMLtools) [![License](https://img.shields.io/github/license/zk403/mlearn)](https://github.com/zk403/mlearn/blob/master/LICENSE) [![Build Status](https://github.com/zk403/mlearn/actions/workflows/python-test.yml/badge.svg)](https://github.com/zk403/mlearn/actions/workflows/python-test.yml) [![codecov](https://codecov.io/gh/zk403/mlearn/main/graphs/badge.svg)](https://app.codecov.io/gh/zk403/mlearn) [![PyPI release](https://img.shields.io/pypi/v/BDMLtools.svg)](https://pypi.python.org/pypi/BDMLtools) BDMLtools是适用于常见商业数据分析数据挖掘场景下,中小数据量的二分类模型的机器学习建模工具包。 本模组将集成商业分析场景中二分类模型中常用的机器学习模型,并使之能够兼顾模型开发效率、报告制作与建模流程标准化。 本模组涵盖数据清洗、数据探索、特征工程、评分卡制作、模型评估、统计学逐步回归、机器学习模型及其参数优化等内容 安装: + github ``` pip install git+git://github.com/zk403/mlearn.git ``` + pypi ``` pip install BDMLtools ``` 卸载: ``` pip uninstall BDMLtools ``` 更新 ``` v0.3.5 1.在LassoLgoit中加入随机数参数以消除saga导致得模型无法复现的问题 2.现在LassoLgoit中将在交叉验证后对全量数据拟合模型并依此计算回归系数相关得指标与图表 3.移除LassoLgoit的refit_with_C方法,加入select_C方法以选择最合适得模型 4.更新单元测试脚本,更新部分代码说明 5.更新example ```


نحوه نصب


نصب پکیج whl BDMLtools-0.3.5:

    pip install BDMLtools-0.3.5.whl


نصب پکیج tar.gz BDMLtools-0.3.5:

    pip install BDMLtools-0.3.5.tar.gz