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

Auto machine learning, deep learning library in Python.

ویژگی	مقدار
سیستم عامل	-
نام فایل	automlkiller-0.0.29
نام	automlkiller
نسخه کتابخانه	0.0.29
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	toandaominh1997
ایمیل نویسنده	toandaominh1997@gmail.com
آدرس صفحه اصلی	https://github.com/toandaominh1997/automlkiller
آدرس اینترنتی	https://pypi.org/project/automlkiller/
مجوز	MIT

# automlkiller Automated Machine Learning ## Usage 1. Step 1: Load data and Preprocessing ```python model = AUTOML(X, y, cleancolumnname = {}, datatype = {"categorical_columns": [], "numeric_columns":[], "time_columns":[]}, simpleimputer = {"numeric_strategy": "mean", "categorical_strategy": "most_frequent"}, zeronearzerovariance = {"threshold_first" : 0.1, "threshold_second": 20}, categoryencoder = {"cols": [], "method": "targetencoder"}, groupsimilarfeature = {"group_name": [], "list_of_group_feature": []}, binning = {"features_to_discretize": []}, maketimefeature = {"time_columns": [], "list_of_feature": ['month', 'dayofweek', 'weekday', 'is_month_end', 'is_month_start', 'hour']}, scaling = {"method": "zscore", "numeric_columns": []}, # outlier = {"methods": ["pca", "iforest", "knn"], "contamination": 0.2}, removeperfectmulticollinearity = {}, makenonlinearfeature = {"polynomial_columns": [], "degree": 2, "interaction_only": False, "include_bias": False, "other_nonlinear_feature": ["sin", "cos", "tan"]}, # rfe = {"estimator": None, "step": 1, "min_features_to_select": 3, "cv": 3}, # reducedimension = {"method": "pca_linear", "n_components": 0.99} ) ``` 2. Step 2: Training Model ```python model.create_model(estimator=['classification-lgbmclassifier', # 'classification-kneighborsclassifier', 'classification-logisticregression', # 'classification-xgbclassifier', # 'classification-catboostclassifier', # 'classification-randomforestclassifier' ], verbose = True, n_jobs = 2, cv = 2, estimator_params = { 'classification-lgbmclassifier': {'n_jobs': 8}, }, scoring = ['accuracy', 'roc_auc', 'recall', 'precision', 'f1'] ) model.ensemble_model(scoring = ['accuracy']) model.voting_model(scoring = ['accuracy']) model.stacking_model(scoring = ['accuracy']) ``` 3. Step 3: Model Performance ```python model.report_tensorboard() ```

نیازمندی

مقدار	نام
-	pyod
-	numpy
-	pandas
-	matplotlib
-	tensorflow
-	tensorboard
-	torch
-	torchvision
-	seaborn
-	scikit-learn
-	category-encoders
-	xgboost
-	catboost
-	lightgbm
-	pandas-profiling
-	imbalanced-learn
-	scikit-plot
-	optuna
-	ray
-	tune-sklearn
-	yellowbrick
-	google-cloud-bigquery
-	google-cloud-storage
-	annoy
-	lightfm

نحوه نصب

نصب پکیج whl automlkiller-0.0.29:

pip install automlkiller-0.0.29.whl

نصب پکیج tar.gz automlkiller-0.0.29:

pip install automlkiller-0.0.29.tar.gz