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

A Python package with which users can just drop their dataset and download the best ML model for their dataset

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	MLOne-0.0.51
نام	MLOne
نسخه کتابخانه	0.0.51
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Suhas and Dhamodaran
ایمیل نویسنده	srisuhas2000@gmail.com
آدرس صفحه اصلی	https://github.com/Dhamodaran-Babu/ML-Thunai
آدرس اینترنتی	https://pypi.org/project/MLOne/
مجوز	-

This package enables you to directly fit the best Machine Learning Model for your dataset by automating all the preprocessing and model fitting steps, Additionally it also performs Exploratory data analysis in the dataset. Code Snippet: Auto_Fit(File_Path, bias_var=False) Parameter: bias_var: {True, False}(Default: False) Calculates average Bias, Variance and Expected Loss for all the models. Rules and guide lines for uploading the dataset: 1. The file should be either .csv or .xlsx 2. Number of columns : 3 < cols > 100 3. Number of rows : 200 < rows > 2500 4. The index col must be the first column.If the dataset doesn't have an index column include it.For example,you can use row number as index. 5. The dependent variable or the target class should be the last column Model default settings: chi square Test p val < 0.1 Train Test Validation split ratio ** 70:20:10 SSS No.of folds ** 10 Random search params scores = AUC,precision,accuracy refit criterion = AUC KNN params: 2 < n_neighbors < 5 metric = euclidean,manhattan,minkowski Logistic Regression: penalty = l1,none solver = default c = 0.1 geomspace,no.of elements =3 SVC params = {'C' : [1,10,100], 'kernel' : ['rbf', 'linear'], 'gamma' : ['scale', 'auto']} Random Forest Classifier params = {'n_estimators' : [10,100,200], 'criterion' : ['gini', 'entropy']} Decision Trees params = {'criterion' : ['gini', 'entropy'], 'splitter' : ['best', 'random']} Naive Bayes(Gaussian) default parameters

نیازمندی

مقدار	نام
-	pandas
-	numpy
-	matplotlib
-	imblearn
-	sklearn
>=0.17.3	mlxtend
-	seaborn
-	joblib

نحوه نصب

نصب پکیج whl MLOne-0.0.51:

pip install MLOne-0.0.51.whl

نصب پکیج tar.gz MLOne-0.0.51:

pip install MLOne-0.0.51.tar.gz