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

Thereshold Picker for Binary Classifiers

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	ThresholdPicker-0.0.5
نام	ThresholdPicker
نسخه کتابخانه	0.0.5
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Gilad Senderovich
ایمیل نویسنده	giladsnd@gmail.com
آدرس صفحه اصلی	https://github.com/Gsend/ThersholdPicker.git
آدرس اینترنتی	https://pypi.org/project/ThresholdPicker/
مجوز	-

# ThresholdPicker ## A Tool for Optimizing Model Threshold. Model Threshold is for most models set to a default of 0.5. Inmany cases your model performance can be imporved by selecting another threshold. The Purpose of this project is to provide a tool for optimal Threshold picking. *This tool is designed to work only with Binary Calssifiers*. The tool currently supports the following scenarios: **1. Balance True-Positive and False-Positive rates for Maximal Return.** For Example: If the value of each TP is 10\$ and the cost of every FP is 2\$ and your data has 20% **True** vs 80% **False** labels. You can use this tool to optimize the threshold so that your model will return the maximal average income. Usage Example: from ThresholdPicker.utils import * from ThresholdPicker.ThresholdPicker import ThresholdPicker as PRTC # simulate model probabilities and labels predicted_probas = np.arange(0, 1 ,.01) labels = np.random.choice([0,1], num_bins) prtc = PRTC() threshold, _ = prtc.gen_optimal_return_threshold(predicted_probas, labels, true_pos_value=10, false_pos_cost=2 ) **2. Pick Threshold by Recall:** in case you need to configure the model to return a specific recall score. You can run the ThresholdPicker with a labeled Validation set and receive the threshold that would give the recall closest to the the one you specified. Usage Example: threshold, _ = get_threshold(predicted_probas, labels, target=target, mode='recall', betta=1) **3. Pick Threshold by Percision:** in case you need to configure the model to return a specific recall score. You can run the ThresholdPicker with a labeled Validation set and receive the threshold that would give the recall closest to the the one you specified. Usage Example: threshold, _ = get_threshold(predicted_probas, labels, target=target, mode='percision', betta=1) **4. Pick Threshold by F-Score:** in case you need to configure the model to return a specific recall score. You can run the ThresholdPicker with a labeled Validation set and receive the threshold that would give the recall closest to the the one you specified. Usage Example: betta=1 # can peak any betta threshold, _ = get_threshold(predicted_probas, labels, target=target, mode='fscore', betta=betta) **5. Pick Threshold for maximal F-Score:** in progress

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl ThresholdPicker-0.0.5:

pip install ThresholdPicker-0.0.5.whl

نصب پکیج tar.gz ThresholdPicker-0.0.5:

pip install ThresholdPicker-0.0.5.tar.gz