معرفی شرکت ها

SkOpts-0.0.1

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
0.0.1
0.0.1

توضیحات

Hyperparameters tuning of machine learning models provided by sklearn library using optuna
ویژگی مقدار
سیستم عامل OS Independent
نام فایل SkOpts-0.0.1
نام SkOpts
نسخه کتابخانه 0.0.1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده -
ایمیل نویسنده Sunny Dial <dialsunny91@gmail.com>
آدرس صفحه اصلی -
آدرس اینترنتی https://pypi.org/project/SkOpts/
مجوز -
# SkOpts Library providing high-level functions for easy hyperparameters tuning of models using Optuna.<br /><br /> This repository contains the project of a library that offers ready-to-use functions to optimize the hyperparameters of some of models provided by the Sklearn API, XGBoost, LightGBM and CatBoost. Code snippet to optimize a classification model: ``` from Tune_Xgboost import XGB_tuner XGB_tuned=XGB_tuner(X=Xtrain,y=y_train, scoring_metric='roc_auc', n_trials=100, N_folds=5, direction='maximize', stratify=True, problem_type='classification') ``` Code snippet to optimize regression model: ``` from Tune_Xgboost import XGB_tuner XGB_tuned=XGB_tuner(X=Xtrain,y=y_train, scoring_metric='neg_mean_squared_error', n_trials=100, N_folds=5, direction='minimize', problem_type='regression') ``` | Parameter | Usage| | ------------- | ------------- | | **"X"**| Training dataset without target variable.| |**"y"**| Target variable.| | **"scoring_metric"** | Metric to optimize.<br/> | | **"n_trials"** | Number of trials to execute optimization.<br/> | | **"N_folds"** | Number of folds for cross validation.<br/> | | **"direction"** | Equals "maximize" or "minimize".<br/> | | **"problem_type"** | Equals "classification" or "regression".<br/> | | **"stratify"** | Stratify cv splits based on target distribuition [True or False]<br/> | The **'scoring_metric'** parameter takes the same values from sklearn API (link of available list: https://scikit-learn.org/stable/modules/model_evaluation.html)


زبان مورد نیاز

مقدار نام
>=3.8 Python


نحوه نصب


نصب پکیج whl SkOpts-0.0.1:

    pip install SkOpts-0.0.1.whl


نصب پکیج tar.gz SkOpts-0.0.1:

    pip install SkOpts-0.0.1.tar.gz