معرفی شرکت ها

confidence-interval-estimator-ML-0.1.2

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
0.1.2
0.1.2
0.1.1
0.1

توضیحات

-
ویژگی مقدار
سیستم عامل -
نام فایل confidence-interval-estimator-ML-0.1.2
نام confidence-interval-estimator-ML
نسخه کتابخانه 0.1.2
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Giovanni Ciampi
ایمیل نویسنده giovanniciampi95@gmail.com
آدرس صفحه اصلی https://github.com/user/confidence_interval_estimator_ML
آدرس اینترنتی https://pypi.org/project/confidence-interval-estimator-ML/
مجوز GNU General Public License (GPL)
# confidence_interval_estimator_ML This repo contains code to perform estimation of Confidence Intervals both parametric and non-parametric (a.k.a. Monte Carlo Confidence Interval or Empirical Confidence Interval estimation) for Machine Learing models. # Colab Demo You can easily try this tool in Google Colab by clicking on the following badge: [![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/drive/16EwUmq9NBiytpS6JoN22l7zDqzqTb_-w?usp=sharing) # Quickstart ``` >>> import confidence_interval_estimator_ML.utils as cie >>> # Parametric Estimation: >>> cie.parametric_confidence_interval(confidence_level=.95, mean=model_accuracy, sample_size=sample_size, verbose=True) Computing C.I. assuming the data follow a standard normal distribution With 95.0% confidence the accuracy of the model is in 0.977 +/-0.023. (0.9773132867658845, 0.02268671323411553) >>> # Non-Parametric Estimation: >>> test_accuracies = cie.get_accuracy_on_samples(get_classifier_instance, X, y, n_iterations=100, sample_ratio=1, train_ratio=0.8, random_seed=None, sample_with_replacement=True, verbose=False) >>> cie.nonparametric_confidence_interval(accs, .9) From the given data, with 90.0% confidence the accuracy of the model is in 0.959 +/-4.05. (0.9595, 0.04050000000000009) ``` # Further Details You can find further details on the usage of the tool in the code documentation or in the examples provided in the Notebook.ipynb file. If you need help, please don't hesitate to open a github issue or getting in touch.


نیازمندی

مقدار نام
- tqdm
- numpy
- scipy
- matplotlib


نحوه نصب


نصب پکیج whl confidence-interval-estimator-ML-0.1.2:

    pip install confidence-interval-estimator-ML-0.1.2.whl


نصب پکیج tar.gz confidence-interval-estimator-ML-0.1.2:

    pip install confidence-interval-estimator-ML-0.1.2.tar.gz