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 package which supports the implementation of stacking of machine learning models

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	MLStacker-0.0.1
نام	MLStacker
نسخه کتابخانه	0.0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Nicholas Law
ایمیل نویسنده	nicholas_law_91@hotmail.com
آدرس صفحه اصلی	https://github.com/nicholaslaw/ModelStacker
آدرس اینترنتی	https://pypi.org/project/MLStacker/
مجوز	-

# ModelStacker ModelStacker implements the stacking of machine learning models and very often, the stacked model is able to perform better than any of its base models. This technique is said to be the most effective when there are vast differences present amongst the base models. More information on this concepts can be found at: 1. [A Kaggler's Guide to Model Stacking in Practice](http://blog.kaggle.com/2016/12/27/a-kagglers-guide-to-model-stacking-in-practice/) 2. [Stacking Models for Improved Predictions](https://www.kdnuggets.com/2017/02/stacking-models-imropved-predictions.html) ## Dependencies Currently, ModelStacker depends on: - numpy==1.14.0 - pandas==0.22.0 ## Installation ``` pip install -r requirements.txt ``` ## Usage ### Initalize ModelStacker ``` from ModelStacker import ModelStacker stacker = ModelStacker() ``` ### Initialize and Add Base Models ``` from sklearn.tree import DecisionTreeClassifier from sklearn.neighbors import KNeighborsClassifier from sklearn.svm import SVC dtclf = DecisionTreeClassifier() knnclf = KNeighborsClassifier() svmclf = SVC() stacker.add_base_model(dtclf) stacker.add_base_model(knnclf) stacker.add_base_model(svmclf) ``` ### Initalize and Add Stacked Model ``` from sklearn.linear_model import LogisticRegression lgclf = LogisticRegression() stacker.add_stacked_model(lgclf) ``` ### Fitting and Predicting ``` stacker.fit(X_train, y_train) # X_train and y_train belongs to training set predictions = stacker.predict(X_test) ```

نیازمندی

مقدار	نام
==1.14.0	numpy
==0.22.0	pandas

نحوه نصب

نصب پکیج whl MLStacker-0.0.1:

pip install MLStacker-0.0.1.whl

نصب پکیج tar.gz MLStacker-0.0.1:

pip install MLStacker-0.0.1.tar.gz