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

this is a feature column and transformer tools in pytorch, which is like the featureColumn class in Tensorflow

ویژگی	مقدار
سیستم عامل	-
نام فایل	featureColByTorch-1.0
نام	featureColByTorch
نسخه کتابخانه	1.0
نگهدارنده	['Braylon']
ایمیل نگهدارنده	['S.Braylon1002@gmail.com']
نویسنده	Braylon
ایمیل نویسنده	S.Braylon1002@gmail.com
آدرس صفحه اصلی	https://blog.csdn.net/qq_40742298
آدرس اینترنتی	https://pypi.org/project/featureColByTorch/
مجوز	BSD License

## Feature Column in Pytorch ### Description this is a feature column tool implemented by pytorch, which has the same function compared to featurecol class in Tensorflow. And it's also a tool for me to paricipate in some data science competition. ### Usage ```python from features import Features from number_feat import Number from category_feat import Category from transformers.NumberTransformer import NumberTransformer from transformers.CategoryTransformer import CategoryTransformer import pandas as pd import numpy as np ``` - Example ```python def make_data(): data = pd.DataFrame(np.random.randint(1, 20, size=(3,4)), columns=['col1', 'col2', 'col3', 'col4']) return data if __name__ == "__main__": data = make_data() Number_1 = Number('col1', NumberTransformer()) Category_1 = Category('col2', CategoryTransformer()) Category_2 = Category('col3', CategoryTransformer()) Features_1 = Features(number_feat=[Number_1], category_feat=[Category_2], sequence_feat=[]) print(Features_1.number_feat) Features_1.fit(data) res = Features_1.transform(data) print(res) ``` ### Returned Data ```python # [<number_feat.Number object at 0x0000018903E64748>] # OrderedDict([('col1', array([-1.4048787 , 0.8429272 , 0.56195146], dtype=float32)), ('col3', array([1, 1, 1], dtype=int64))]) ```

نیازمندی

مقدار	نام
-	numpy
-	pandas

نحوه نصب

نصب پکیج whl featureColByTorch-1.0:

pip install featureColByTorch-1.0.whl

نصب پکیج tar.gz featureColByTorch-1.0:

pip install featureColByTorch-1.0.tar.gz