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

An easy to use pre-processing utility for machine learning.

ویژگی	مقدار
سیستم عامل	-
نام فایل	easypreprocessing-1.0.7
نام	easypreprocessing
نسخه کتابخانه	1.0.7
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Shreyas Kudav
ایمیل نویسنده	shreyaskudav@gmail.com
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/easypreprocessing/
مجوز	MIT

# Data PreProcessing EasyPreProcessing is a Python module that comprises of data pre-processing helper functions mainly for the purpose of data science and machine learning. Many of the common machine learning activities that are performed during the Feature Engineering can be performed in a single line of code using this library. # What functionalities are currently available? - Handling missing values - Encoding categorical variables - Handling DateTime features - Handling empty/blank columns - Display correlation metrics - Standardize dataset - Over sampling - Clustering (KMeans) # Installing Just a simple ```bash pip install easypreprocessing ``` For details regarding all the functionality available: ```bash from easypreprocessing import EasyPreProcessing prep = EasyPreProcessing('filename.csv') prep.info() ``` # Sample Templete Below you can see a sample code of preprocessing using this library. ```bash from easypreprocessing import EasyPreProcessing prep = EasyPreProcessing('filename_here.csv') prep.output = 'output_variable_here' prep.remove_blank() #Remove blank or empty columns prep.missing_values #Display missing values prep.categorical.impute() #Fill missing values for categorical variables prep.numerical.impute() #Fill missing values for numerical variables prep.categorical.encode() #Convert categorical features to numerical prep.standardize() #Standardize dataset X_train, X_test, y_train, y_test = prep.split() ```

نیازمندی

مقدار	نام
-	numpy
-	pandas
-	seaborn
-	sklearn
-	kneed
-	imbalanced-learn

نحوه نصب

نصب پکیج whl easypreprocessing-1.0.7:

pip install easypreprocessing-1.0.7.whl

نصب پکیج tar.gz easypreprocessing-1.0.7:

pip install easypreprocessing-1.0.7.tar.gz