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

bianary_classification

ویژگی	مقدار
سیستم عامل	-
نام فایل	bianary-decision-parameter-0.2
نام	bianary-decision-parameter
نسخه کتابخانه	0.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	MAINAK RAY
ایمیل نویسنده	mainakr748@gmail.com
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/bianary-decision-parameter/
مجوز	MIT

this module is used to find out best parameters of desision tree. ![Markdown Logo](https://github.com/mainak-cmd/All-Ml/blob/main/flow_chart.drawio.png) #Bianary_classification ##Aim The module aims to create a library that will help users to build trees that can help classify binary classes easily. But, it is essential to note that this module should be used after the process (cleaning, transformation, and reduction) of the data. ##Advantages 1.)Autopruneing the tree no need to hyperparameter tuneing 2.)very easy to use. 3.) Brier score to evaluate to find out best paraameter as is that it is focused on the positive class, which for imbalanced classification is the minority class. A perfect classifier has a Brier score of 0.0. ##Limitation 1.) Preprocessing must requires. 2.) do not shows good perfformance for high dimentional data ,feature reduction before use this module is adviceable. 3.)little time consumeing. ##code example : ```python import bianary_decision_parameter from bianary_decision_parameter import from sklearn import preprocessing from sklearn.datasets import load_breast_cancer from sklearn.model_selection import train_test_split Load breast_cancer dataset split it into train and test set da=load_breast_cancer() X1=da.data y1=da.target scaled_X_1 = preprocessing.scale(X1) X_train1, X_test1, y_train1, y_test1 = train_test_split(scaled_X_1, y1,test_size=0.3) p2=bianary_decision_parameter('auto',X_train1,y_train1, X_test1, y_test1,1,1) p3=bianary_decision_parameter('sqrt',X_train1,y_train1, X_test1, y_test1,1,10) p4=bianary_decision_parameter('log2',X_train1,y_train1, X_test1, y_test1,1,10) p2.parameter() accuracy_score missclassification specificity Recall precision depth ccp_alpha max_features 0 0.912281 0.087719 0.912281 0.83871 0.912281 2 0.004307 auto ``` ## Explanation p2=bianary_decision_parameter('auto',X_train1,y_train1, X_test1, y_test1,1,1) Feature_selection = 'auto' \n class_weight = 0_class ,1_class

نیازمندی

مقدار	نام
-	sklearn
-	pandas
-	numpy

نحوه نصب

نصب پکیج whl bianary-decision-parameter-0.2:

pip install bianary-decision-parameter-0.2.whl

نصب پکیج tar.gz bianary-decision-parameter-0.2:

pip install bianary-decision-parameter-0.2.tar.gz