文件名称：MLBlocks:用于组成端到端可调机器学习管道的库
文件大小：121KB
文件格式：ZIP
更新时间：2024-05-26 15:45:32
machine-learning pipelines primitives hyperparameters Python
一个从开源项目 机器学习和数据科学的管道和基元。 美国职业棒球大联盟 文档： : GitHub： : 执照： 发展状况： Alpha之前 概述 MLBlocks是一个简单的框架，可通过将任何python库中的工具与一个简单，通用且统一的接口无缝组合，从而构成端到端的可调式机器学习管道。 功能包括： 建立结合Python中任何机器学习库的机器学习流水线。 通过机器学习和领域专家精心策划，访问具有数百个原语和管道的存储库，这些原语和管道准备就绪，几乎不需要编写任何python代码就可以使用。 提取有关可以调整哪些超参数以及在哪些范围内进行调整的机器可读信息，从而实现与超参数优化工具（如BTB）的自动集成。 复杂的多分支管道和DAG配置，每个基元具有无限数量的输入和输出。 使用JSON注释轻松保存和加载管道。 安装 要求 MLBlocks已在Python 3.6、3
【文件预览】：
MLBlocks-master
----MANIFEST.in(299B)
----mlblocks()
--------discovery.py(14KB)
--------mlblock.py(12KB)
--------__init__.py(1014B)
--------mlpipeline.py(53KB)
----docs()
--------advanced_usage()
--------images()
--------conf.py(6KB)
--------make.bat(770B)
--------api()
--------getting_started()
--------changelog.rst(29B)
--------pipeline_examples()
--------authors.rst(28B)
--------Makefile(609B)
--------index.rst(4KB)
--------contributing.rst(33B)
----HISTORY.md(6KB)
----AUTHORS.rst(268B)
----.github()
--------ISSUE_TEMPLATE.md(319B)
--------workflows()
----CONTRIBUTING.rst(8KB)
----tests()
--------features()
--------data()
--------test_mlpipeline.py(36KB)
--------__init__.py(0B)
--------test_mlblock.py(15KB)
--------test_discovery.py(10KB)
----tox.ini(385B)
----LICENSE(1KB)
----setup.cfg(1KB)
----apt.txt(80B)
----requirements.txt(126B)
----examples()
--------pipelines()
--------primitives()
--------tutorials()
--------README.md(2KB)
----setup.py(3KB)
----.gitignore(1KB)
----Makefile(8KB)
----README.md(6KB)
----.editorconfig(292B)