معرفی شرکت ها
automl-tools-0.1.6
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 بیشترتوضیحات
automl_tools
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | automl-tools-0.1.6 |
| نام | automl-tools |
| نسخه کتابخانه | 0.1.6 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Jonathan Quiza |
| ایمیل نویسنده | jony327@gmail.com |
| آدرس صفحه اصلی | https://github.com/jonaqp/automl_tools/ |
| آدرس اینترنتی | https://pypi.org/project/automl-tools/ |
| مجوز | - |
# Automl_tools: automl binary classification
[](https://opensource.org/licenses/Apache-2.0)
[](pyup)
[](pyup)
[](codecov)
Automl_tools is a Python library that implements Gradient Boosting
## Installation
The code is packaged for PyPI, so that the installation consists in running:
```sh
pip install automl-tools
```
## Colab
[](https://colab.research.google.com/drive/10DFkSmzMO1GqLX-mgBWfDjS9OIVmEy6O?usp=sharing)
## Usage
Probabilistic binary example on the Boston housing dataset:
```python
import pandas as pd
from automl_tools import automl_run
train = pd.read_csv("https://raw.githubusercontent.com/jonaqp/automl_tools/main/automl_tools/examples/train.csv?token=AAN2ZBDWF77QITK4ARSFIFDABUGAU")
test = pd.read_csv("https://raw.githubusercontent.com/jonaqp/automl_tools/main/automl_tools/examples/test.csv?token=AAN2ZBD6TMUC5XSGRTJNVPDABUGCO")
automl_run(train=train,
test=test,
id_col=None,
target_col="Survived",
imp_num="knn",
imp_cat="knn",
processing="binding",
mutual_information=False,
correlation_drop=False,
model_feature_selection=None,
model_run="LR",
augmentation=True,
Stratified=True,
cv=5)
```
## Parameter
```sh
imp_num : "gaussian", "arbitrary", "median", "mean", "random", "knn"
imp_cat : "frequent", "constant", "rare", "knn"
processing: "woe", "binding"
```
## Support Binary
```sh
model_feature_selection:
default: ["LR", "RF", "LGB"]
LR : LogisticRegression
RF : RandomForestClassifier
SVM : SVC
LS : LASSO
RD : RIDGE
NET : Elasticnet
DT : DecisionTreeClassifier
ET : ExtraTreesClassifier
GB : GradientBoostingClassifier
AB : AdaBoostClassifier
XGB : XGBClassifier
LGB : LGBMClassifier
CTB : CatBoostClassifier
NGB : NGBClassifier
model_run:
default: "LR"
LR : LogisticRegression
RF : RandomForestClassifier
SVM : SVC
LS : LASSO
RD : RIDGE
NET : Elasticnet
DT : DecisionTreeClassifier
ET : ExtraTreesClassifier
GB : GradientBoostingClassifier
AB : AdaBoostClassifier
XGB : XGBClassifier
LGB : LGBMClassifier
CTB : CatBoostClassifier
NGB : NGBClassifier
```
## License
[Apache License 2.0](https://www.dropbox.com/s/8t6xtgk06o3ij61/LICENSE?dl=0).
## New features v1.0
* multi_class
* regression
* integrations GCP deploy model CI/CD
* integrations AWS deploy model CI/CD
## BugFix
- 0.1.5
- fix imputer
- fix space hyperparameter
- update catboost test
- 0.1.4
- add parameter cv
- add confusion Matrix
- add comments readme.txt
- 0.1.3
- add parameter id_col
- add comments readme.txt
## Reference
- Jonathan Quiza [github](https://github.com/jonaqp).
- Jonathan Quiza [RumiMLSpark](http://rumi-ml.herokuapp.com/).
- Jonathan Quiza [linkedin](https://www.linkedin.com/in/jonaqp/).
نیازمندی
| مقدار | نام |
|---|---|
| ==2020.4.5.2 | certifi |
| ==1.19.5 | numpy |
| ==1.1.5 | pandas |
| ==2.0.0 | prettytable |
| ==0.22 | scikit-learn |
| ==0.8.0 | optbinning |
| ==5.8.0 | psutil |
| ==1.3.3 | xgboost |
| ==3.1.1 | lightgbm |
| ==0.24.4 | catboost |
| ==2.2.2 | category-encoders |
| ==0.3.7 | ngboost |
| ==0.2.5 | hyperopt |
| ==0.11.1 | seaborn |
| ==0.4.4 | colorama |
| ==0.8.7 | tabulate |
نحوه نصب
نصب پکیج whl automl-tools-0.1.6:
pip install automl-tools-0.1.6.whl
نصب پکیج tar.gz automl-tools-0.1.6:
pip install automl-tools-0.1.6.tar.gz