معرفی شرکت ها

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

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

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

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

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

Find LGBM Hyperparams and train the model

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	LGBtrainer-0.1
نام	LGBtrainer
نسخه کتابخانه	0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Rajwardhan Shinde
ایمیل نویسنده	rajshinde55553@gmail.com
آدرس صفحه اصلی	https://github.com/Rajshinde07/LGBtrainer
آدرس اینترنتی	https://pypi.org/project/LGBtrainer/
مجوز	-

# LGBtrainer helps you find hyper params for LGBM and simplifies the process of training the model and finding hyperparams. * Parameters:- 1. train = it should be your train dataset(which is fit for training purpose) 2. test = it should be your test dataset(which is fit for testing purpose) 3. y_train = it should be your target column or values(same rows as train) 4. cv = the number of splits or folds(it is used for both finding hyperparams + training the model) 5. num_rounds = number of training rounds(it is used for both finding hyperparams + training the model) 6. metric = only 'auc' and 'rmse' can be used(For now only these two are supported) 7. objective = 'binary' or 'regression' or any other can be provided 8. max_eval = number of evaluations performed for finding params(note:- larger number might take more time depending on size of dataset) * Example:- ``` -from LGBtrainer import Model -model = Model(train, test, y_train, metric='auc', objective='binary', max_eval=3, cv=5) -params = model.get_params() -predictions = model.lgb_model(params) ```

نحوه نصب

نصب پکیج whl LGBtrainer-0.1:

pip install LGBtrainer-0.1.whl

نصب پکیج tar.gz LGBtrainer-0.1:

pip install LGBtrainer-0.1.tar.gz