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

Lazy binary classifier based on Formal Concept Analysis

ویژگی	مقدار
سیستم عامل	-
نام فایل	fca-lazy-clf-0.3
نام	fca-lazy-clf
نسخه کتابخانه	0.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Vitaliy Pozdnyakov
ایمیل نویسنده	pozdnyakov.vitaliy@yandex.ru
آدرس صفحه اصلی	https://github.com/vpozdnyakov/fca_lazy_clf
آدرس اینترنتی	https://pypi.org/project/fca-lazy-clf/
مجوز	MIT

### Installation ```sh $ pip install fca_lazy_clf ``` ### Requirements The train and test datasets must be represented as ```pandas.DataFrame```. The classifier uses only attributes of types ```numpy.dtype('O')```, ```np.dtype('int64')``` and attributes with 2 any values. Other attributes will not be used. The target attribute must be binary. ### Example ```python >>> import fca_lazy_clf as fca >>> import pandas as pd >>> from sklearn import model_selection >>> data = pd.read_csv('https://datahub.io/machine-learning/tic-tac-toe-endgame/r/tic-tac-toe.csv') >>> data.head() TL TM TR ML MM MR BL BM BR class 0 x x x x o o x o o True 1 x x x x o o o x o True 2 x x x x o o o o x True 3 x x x x o o o b b True 4 x x x x o o b o b True >>> X = data.iloc[:, :-1] # All attributes except the last one >>> y = data.iloc[:, -1] # Last attribute >>> X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y, test_size=0.33, random_state=0) >>> clf = fca.LazyClassifier(threshold=0.000001, bias='false') >>> clf.fit(X_train, y_train) >>> clf.score(X_test, y_test) 0.9716088328075709 ```

نحوه نصب

نصب پکیج whl fca-lazy-clf-0.3:

pip install fca-lazy-clf-0.3.whl

نصب پکیج tar.gz fca-lazy-clf-0.3:

pip install fca-lazy-clf-0.3.tar.gz