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

Does the same thing as sklearn.metrics but 100x faster.

ویژگی	مقدار
سیستم عامل	-
نام فایل	fastmetrics-0.0.10
نام	fastmetrics
نسخه کتابخانه	0.0.10
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Simon Albert Traub
ایمیل نویسنده	simontraub@ucla.edu
آدرس صفحه اصلی	https://github.com/SimonFromNeedham/fastmetrics
آدرس اینترنتی	https://pypi.org/project/fastmetrics/
مجوز	-

# Fast Metrics This project provides a set of faster alternatives to some of the methods in sklearn.metrics. If you use any of the classification metrics supported by this package, you will see a vast improvement in the runtime of your code, up to 100x depending on the function used and the size of the data set. Speedups were achieved by using Numba to vectorize the generation of confusion matrices. Fast Metrics supports the following metrics: * Accuracy Score * Balanced Accuracy Score * F1 Score * Precision * Recall * Jaccard Score * ROC AUC ## Installation Run the following to install: ```python pip install fastmetrics ``` ## Usage Use Fast Metrics the same way you would use sklearn.metrics. Feed the methods a NumPy array of true results and a NumPy array of predictions, and they will return their respective metric. For instance: ```python fastmetrics.fast_accuracy_score(y_true, y_pred) fastmetrics.fast_balanced_accuracy_score(y_true, y_pred) fastmetrics.fast_f1_score(y_true, y_pred) ``` ## Additional Notes: * Unlike sklearn, Fast Metrics methods do not have additional optional arguments beyond y_true and y_pred. * The first time you run a Fast Metrics function, it will be slower than its sklearn counterpart because the vectorized confusion matrix code needs time to compile.

نیازمندی

مقدار	نام
>=0.55.2	numba
<1.23.0,>=1.22.0	numpy

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl fastmetrics-0.0.10:

pip install fastmetrics-0.0.10.whl

نصب پکیج tar.gz fastmetrics-0.0.10:

pip install fastmetrics-0.0.10.tar.gz