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

Functions to upload and export trained ml models

ویژگی	مقدار
سیستم عامل	-
نام فایل	actico-ml-0.0.7
نام	actico-ml
نسخه کتابخانه	0.0.7
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	ACTICO GmbH
ایمیل نویسنده	-
آدرس صفحه اصلی	https://www.actico.com/
آدرس اینترنتی	https://pypi.org/project/actico-ml/
مجوز	MIT License

# ACTICO ML Python With this package, a user is able to export a trained H2O ML model to ACTICO Model Hub or to a file path. ## Function The package `export_util` contains the functions `release_model` and `export_model_to_file_path` ## Parameters of release_model `api_key : string` Generated within Model Hub and required for a connection. `model_hub_url : string` The link to model hub, e.g. "http://localhost:8080". `model_name : string` The name of the model to be released, e.g. "credit-rf-model". `training_frame_name : string` The name of the frame used for the training, e.g. "credit-train.hex". `module_id : string` The module id is used to group related model projects into one logical unit, e.g. "actico.credit". `project_id : string` The model project id is used to refer to the released machine learning model, e.g. "gm-model". `version : string, optional` The version is used to distinguish between different iterations of a model. If left blank, an automatically generated version is used. `sc : SparkContext, optional` The SparkContext to be used, if a Spark Pipeline should be added to the release. `pipeline_model : PipelineModel, optional` The fitted Pipeline, that should be added to the release. `df : DataFrame, optional` The Dataframe, that was used to fit the Pipeline. ## Parameters of export_model_to_file_path `model_name : string` Name of the model on H2O to be exported, e.g. "credit-rf-model". `path : string` Path to the folder to which the model is to be exported, e.g. "C:\\users\\user\\desktop\\". `h2o_url : string, optional` URL to the H2O Server. If left empty, "http://localhost:54321" will be used. `max_calculation_size : int, optional` This integer value sets the maximum complexity for the Shapley calculation. Higher values improve the accuracy, lower values improve the runtime. If left empty, 300000 is used. ## Example ```python from actico_ml import export_util export_util.release_model(api_key="API_KEY", model_hub_url="http://localhost:8080", model_name="credit-rf-model", training_frame_name="credit-train.hex", module_id="actico", project_id="credit-rf") export_util.export_model_to_file_path(model_name="credit-rf-model", path="C:\\users\\user\\desktop\\", h2o_url="http://localhost:54323", max_calculation_size=1000) ```

نیازمندی

مقدار	نام
-	requests
>=3.36.0.1	h2o
==3.1.2	pyspark

زبان مورد نیاز

مقدار	نام
>=3.7	Python

نحوه نصب

نصب پکیج whl actico-ml-0.0.7:

pip install actico-ml-0.0.7.whl

نصب پکیج tar.gz actico-ml-0.0.7:

pip install actico-ml-0.0.7.tar.gz