معرفی شرکت ها

fronni-0.0.6

Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
0.0.6
0.0.5
0.0.4
0.0.3
0.0.1
0.0.1

توضیحات

Machine Learning model performance metrics & charts with confidence intervals, optimized with numba to be fast
ویژگی مقدار
سیستم عامل -
نام فایل fronni-0.0.6
نام fronni
نسخه کتابخانه 0.0.6
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Kaushik Mitra
ایمیل نویسنده kaushik.umcp@gmail.com
آدرس صفحه اصلی https://github.com/facebookexperimental
آدرس اینترنتی https://pypi.org/project/fronni/
مجوز MIT
# fronni A Python library for quickly calculating & displaying machine learning model performance metrics with confidence intervals. ## How fronni works? https://medium.com/@kaushikm/fronni-a-python-library-for-quickly-calculating-machine-learning-model-performance-metrics-with-3baf28eaa5c0 ## Requirements * Python >= 3.6 * numba * numpy * scikit-learn * plotly ## Installing fronni pip install fronni ## Full documentation Functions from the classification module: ### classification_report Generates confidence intervals for precision, recall, & F1 metrics for a binary or multi-class classification model, given arrays of predicted & label values. | Parameter | Type | Default | |--|--|--| | label | Numpy array or Pandas series | None | predicted | Numpy array or Pandas series | None | n | integer, number of bootstrap iterations | 1,000 | confidence_level | integer value between 1 & 100 | 95 | as_dict | Boolean, return nested dictionary if True otherwise Pandas dataframe | False | confidence_level | value between 1 & 100 | 95 | sort_by_sample_size | Boolean, return the Pandas dataframe, sorted in descending order of class sample size | False ### plot_classification_report Plots precision, recall, & confidence intervals for F1 metrics for a binary or multi-class classification model, given a classification report input. | Parameter | Type | Default | |--|--|--| | report | output from classification_report | None | save_to_filename | string, path of filename image to save like "image.png" | None From the regression module: ### regression_report Generates confidence intervals for RMSE, MAE, and R^2 metrics for a regression model, given arrays of predicted & label values. | Parameter | Type | Default | |--|--|--| | label | Numpy array or Pandas series | None | predicted | Numpy array or Pandas series | None | n | integer, number of bootstrap iterations | 1,000 | as_dict | Boolean, return nested dictionary if True otherwise Pandas dataframe | False See the [CONTRIBUTING](CONTRIBUTING.md) file for how to help out. ## License fronni is Apache 2.0 licensed, as found in the LICENSE file.


زبان مورد نیاز

مقدار نام
>=3.6 Python


نحوه نصب


نصب پکیج whl fronni-0.0.6:

    pip install fronni-0.0.6.whl


نصب پکیج tar.gz fronni-0.0.6:

    pip install fronni-0.0.6.tar.gz