معرفی شرکت ها
ds11mltoolkit-1.9
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
Helper functions for all stages of the machine learning model building process
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | ds11mltoolkit-1.9 |
| نام | ds11mltoolkit |
| نسخه کتابخانه | 1.9 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | TheBridgeMachineLearningPythonLibrary |
| ایمیل نویسنده | seenstevol@protonmail.com |
| آدرس صفحه اصلی | https://github.com/TheBridgeMachineLearningPythonLibrary/MachineLearningToolKit |
| آدرس اینترنتی | https://pypi.org/project/ds11mltoolkit/ |
| مجوز | MIT |
Welcome to ds11mltoolkit, we are delighted to see you here!
Thank you for your interest, and we hope this library can help you in your daily life as a **Data Scientist**
[](https://www.thebridge.tech/)  
## Table of contents
- What is ds11mltoolkit?
- How to install ds11mltoolkit
- Dependencies
- Functions and methods
- Data Analysis
- Data visualization and exploration
- Data processing
- Machine Learning
- Github framework
- Contributors
## What is ds11mltoolKit?
It is a Python package that will help you in your first steps as a Data Scientist. *"Faster, cleaner, easier"* From simple databasis to complex neural networks, this library will accelerate your work processes in all stages of the machine learning cycle.
## How to install ds11mltoolkit?
Install as you would normally install a Pypi library.
```
pip install ds11mltoolkit
```
We suggest to import ds11mltoolkit as mlt, to make it easier to deploy by the users
```
import ds11mltoolkit as mlt
```
# Dependencies
ds11mltoolkit requires these libraries to work properly:
- beautifulsoup4==4.11.1
- imblearn==0.0
- keras==2.11.0
- matplotlib==0.1.6
- nltk==3.8.1
- opencv-python-headless==4.7.0.68
- pandas==1.3.5
- Pillow==9.3.0
- plotly==5.11.0
- requests==2.28.1
- scikit-image==1.0.2
- scikit-learn==0.19.3
- scipy==1.7.3
- seaborn==0.12.1
- selenium==4.7.2
- tensorflow==2.11.0
- wordcloud==1.7.0
## Functions and methods
In the current version, ds11mltoolkit will provide users around 40 functions, divided in 4 groups:
## Data Analysis
* read_url
* read_csv_zip
* chi_squared_test
## Data visualisation and exploration
* heatmap
* sunburst
* correl_map_max
* plot_map
* plot_ngram
* wordcloudviz
* plot_cumulative_variance_ratio
* plot_roc_cruve
* plot_multiclass_prediction_image
## Data processing
* list_categorical_columns
* last_columns
* uniq_value
* load_imgs
* class ImageDataGen(ImageDataGenerator) 3-in-1 functions
* clean_text
* processing_model_classification
* replace_convert_numeric
* log_transform_numeric
* add_previous
* _exponential_smooth
* Nan treatment
* convert_to_numeric
* auto_dtype_converter
* winner_loser
* lstm_model
## Machine Learning
* export_model
* import_model
* worst_params
* load_model_zip
* quickregression
* polynomial_features_non_binary
* balance_binary_target
* image_scrap
* create_multiclass_prediction_df
* show_scoring
* predict_model_classification
* Unsupervised KMeans
* UnsupervisedPCA
## Quick example
```
df = pd.DataFrame(data= {'Cities': ['Madrid', 'Barcelona'],
'Teams': ['Team 1', 'Team 2'],
'Players': ['Vinicius', 'Pedri'],
'Goals': [10, 9]})
def list_categorical_columns(df):
'''
Function that returns a list with the names of the categorical columns of a dataframe.
Parameters
----------
df : dataframe
Return
----------
features: list of names
'''
features = []
for c in df.columns:
t = str(df[c].dtype)
if "object" in t:
features.append(c)
return features
list_categorical_columns(df)
output: ['Cities', 'Teams', 'Players']
```
## Github framework
## Contributors
- [Miguel de Frutos](https://github.com/Migueldfr)
- [Pedro Vergara](https://github.com/pericotronic)
- [Bogdan Radacina](https://github.com/BogdanBoyan92)
- [Sean Stevenson](https://github.com/seenstevo)
- [José Nevado](https://github.com/JNevado81)
- [Celia Cabello](https://github.com/celiacnavarro)
- [Jared Rivas](https://github.com/JaredR33)
- [Nicolás Eyzaguirre](https://github.com/NicolasEyzaguirre)
- [Enrique Moya](https://github.com/3Moya)
- [Javi López](https://github.com/javlopsan)
- [Kyung Min Ohn](https://github.com/exAdun)
- [Leandro Salvado](https://github.com/Lean788)
- [Ramón Fernández](https://github.com/RamonFCerezo)
# License
ds11mltoolkit uses an “Interface-Protection Clause” on top of the MIT license. This library is free for personal use. Therefore, it can be used for both commercial and non-commercial purpose.
[See license](https://github.com/TheBridgeMachineLearningPythonLibrary/MachineLearningToolKit/blob/dev/LICENSE.txt)
---
Please don't hesitate to contact us if you have any questions or comments. Thank you for using our library!
نحوه نصب
نصب پکیج whl ds11mltoolkit-1.9:
pip install ds11mltoolkit-1.9.whl
نصب پکیج tar.gz ds11mltoolkit-1.9:
pip install ds11mltoolkit-1.9.tar.gz