معرفی شرکت ها

classification-reportzr-0.0.1b9

Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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

Automate machine learning classification task report for Pak Zuherman
ویژگی مقدار
سیستم عامل -
نام فایل classification-reportzr-0.0.1b9
نام classification-reportzr
نسخه کتابخانه 0.0.1b9
نگهدارنده []
ایمیل نگهدارنده []
نویسنده -
ایمیل نویسنده -
آدرس صفحه اصلی https://github.com/khalidm31415/classification-reportzr
آدرس اینترنتی https://pypi.org/project/classification-reportzr/
مجوز -
# Classification Reportzr Automate machine learning classification task report for Pak Zuherman ## Install ```bash pip install -U classification-reportzr ``` ## Test ```bash pytest -v ``` ## Usage ### Setting-up the experiment ```python from sklearn import datasets from sklearn.svm import SVC from reporterzr import Reporterzr iris = datasets.load_iris() samples, labels = iris.data[:-1], iris.target[:-1] param_grid = { 'C': [10,50,100], 'gamma': [0.005,0.05,0.5], 'kernel': ['poly', 'rbf', 'linear'] } svc_reporter = Reporterzr(SVC, param_grid) ``` ### Run The Experiment ```python # `test_sizes` defaults to [0.1, ..., 0.9] # `repetition` defaults to 10 report = svc_reporter.run_experiment(samples, labels, test_sizes=[0.1, 0.2], repetition=5) print(report) ``` prints ``` Test Size C gamma kernel Train Accuracies \ 0 0.1 10 0.005 poly [0.881, 0.888, 0.873, 0.888, 0.881] 1 0.1 10 0.005 rbf [0.978, 0.955, 0.955, 0.955, 0.97] 2 0.1 10 0.005 linear [0.978, 0.97, 0.985, 0.978, 0.97] 3 0.1 10 0.050 poly [0.985, 0.978, 0.978, 0.978, 0.985] 4 0.1 10 0.050 rbf [0.985, 0.993, 0.993, 0.993, 0.993] Max Train Acc Mean Train Acc Stdev Train Acc \ 0 0.888 0.882 0.006 1 0.978 0.963 0.010 2 0.985 0.976 0.006 3 0.985 0.981 0.003 4 0.993 0.991 0.003 Test Accuracies Max Test Acc Mean Test Acc \ 0 [0.867, 0.867, 1.0, 0.8, 0.933] 1.000 0.893 1 [0.933, 0.933, 0.933, 0.867, 0.933] 0.933 0.920 2 [1.0, 1.0, 1.0, 1.0, 1.0] 1.000 1.000 3 [1.0, 1.0, 1.0, 1.0, 0.933] 1.000 0.987 4 [0.933, 1.0, 1.0, 0.867, 1.0] 1.000 0.960 Stdev Test Acc Experiment Times (sec) 0 0.068 [0.00095, 0.00077, 0.00072, 0.00077, 0.00074] 1 0.026 [0.00079, 0.0008, 0.00082, 0.00082, 0.00081] 2 0.000 [0.0005, 0.00052, 0.00045, 0.00049, 0.00049] 3 0.027 [0.00052, 0.00055, 0.00052, 0.00054, 0.00053] 4 0.053 [0.00062, 0.00062, 0.00064, 0.00061, 0.00065] ```


نیازمندی

مقدار نام
<1.0.0,>=0.28.5 Cython
<2.0.0,>=1.0.0 pandas
<7.0.0,>=6.2.1 pytest
<1.0.0,>=0.18.0 scikit-learn
<4.0.0.0,>=3.10.0.0 typing-extensions
<1.0.0,>=0.36.2 wheel


زبان مورد نیاز

مقدار نام
>=3.6 Python


نحوه نصب


نصب پکیج whl classification-reportzr-0.0.1b9:

    pip install classification-reportzr-0.0.1b9.whl


نصب پکیج tar.gz classification-reportzr-0.0.1b9:

    pip install classification-reportzr-0.0.1b9.tar.gz