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

For selecting the optimal features using the stepwise algorithm

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	Selection-Method-0.0.3
نام	Selection-Method
نسخه کتابخانه	0.0.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Dubem
ایمیل نویسنده	michaeligbomezie@gmail.com
آدرس صفحه اصلی	https://github.com/dub-em/Selection-Methods-PythonTPL
آدرس اینترنتی	https://pypi.org/project/Selection-Method/
مجوز	-

# Selection Method ### Purpose of the Package + Selection Method is a Python module which implements a statistical learning method for selecting features (for predicting a target variable) in a given dataset. ### Features + Collection of Feature Selection Methods - Forward Stepwise - Backward Stepwise ### Getting Started The package can be found on pypi hence you can install it using pip ### Installation ```bash pip install Selection_Method ``` ### Usage Forward_Stepwise ```python >>> from Selection_Method.Forward_Stepwise import forward_stepwise >>> >>> #initialize forward_stepwise object, and your already created regression model object. >>> selection = forward_stepwise(linear_model) >>> >>> #input your already split train and test datasets into the .select_features() method, and select the optimal features using the stepwise algorithm. >>> final_list, final_score = selection.select_features(x_train, x_test, y_train, y_test) ``` ### Example ```python >>> import pandas as pd >>> from sklearn.linear_model import LinearRegression >>> from Selection_Method.Forward_Stepwise import forward_stepwise >>> >>> #define your linear regression object >>> linear_model = LinearRegression() >>> >>> #import your preferred dataset >>> crime_xtrain = pd.read_csv('x_train.csv') >>> crime_xtest = pd.read_csv('x_test.csv') >>> crime_ytrain = pd.read_csv('y_train.csv') >>> crime_ytest = pd.read_csv('y_test.csv') >>> >>> #initialize forward_stepwise object >>> selection = forward_stepwise(linear_model) >>> >>> #input your train and test dataset into the .select_features() method and execute. >>> final_list, final_score = selection.select_features(x_train, x_test, y_train, y_test) >>> print(forward_list, f_score) ['pctKids2Par', 'pctWhite', 'houseVacant', 'State', 'pctUrban', 'pctWorkMom18', 'persPoverty', 'pctRetire', 'pct1624', 'pctEmployMfg', 'ownHousLowQ', 'pct2Par', 'medOwnCostPctWO', 'numForeignBorn', 'medRentpctHousInc', 'pctEmploy', 'pctWwage', 'pctHousWOplumb', 'pctSameState5', 'otherPerCap', 'pctHousWOphone', 'pctPoverty', 'persPerOccupHous', 'persPerOwnOccup', 'persPerFam', 'rentMed', 'persHomeless', 'NAperCap'] 0.6315059907414283 ``` ### Contribution This Project is open to contribution and collaboration. Feel free to connect. ### Author + Main Maintainer: Michael Dubem Igbomezie

نحوه نصب

نصب پکیج whl Selection-Method-0.0.3:

pip install Selection-Method-0.0.3.whl

نصب پکیج tar.gz Selection-Method-0.0.3:

pip install Selection-Method-0.0.3.tar.gz