文件名称：pipecaster:用于多通道机器学习和半自动ML的Python库
文件大小：640KB
文件格式：ZIP
更新时间：2024-04-14 19:11:57
JupyterNotebook
Pipecaster概述 Pipecaster是一个Python库，用于使用scikit-learn组件构建机器学习管道。 它具有以下特点： 多通道管道架构 整体学习（投票，汇总，堆叠概括） 用于管理复杂管道体系结构的工具： 类Keras层 管道建设过程中的视觉反馈 管道内工作流程自动化（或“半自动ML”）： 根据聚合特征评分或探针ML模型的性能筛选输入源 机器学习算法的筛选 模型超参数的筛选 使用ray进行快速分布式计算 教程： ： 什么是多通道管道？ 多通道流水线是ML流水线，它采用多个输入向量并在单独的通道中对其进行处理，然后再通过级联，投票或模型堆叠将其组合以生成单个预测。 为什么要使用多通道架构？ 当有来自不同数据源或特征提取方法的多个输入矩阵时，有时可以通过在每个输入上训练一个单独的ML模型然后进行整体预测来获得更好的模型性能。 您想自动选择输入源，特征提取
【文件预览】：
pipecaster-master
----.ipynb_checkpoints()
--------tutorial-checkpoint.ipynb(957KB)
--------sandbox-checkpoint.ipynb(72B)
--------workflow_design-checkpoint.ipynb(55KB)
--------test_sandbox-checkpoint.ipynb(4KB)
----.DS_Store(14KB)
----tutorials()
--------.ipynb_checkpoints()
--------.DS_Store(10KB)
--------02_ensemble_learning.ipynb(87KB)
--------04_hyperparameter_screens.ipynb(18KB)
--------01_basics.ipynb(116KB)
--------03_input_screens.ipynb(21KB)
--------old_version()
----images()
--------profile.png(118KB)
--------.DS_Store(6KB)
--------profile.svg(146KB)
----LICENSE(1KB)
----setup.py(278B)
----README.md(3KB)
----docs()
--------.DS_Store(8KB)
--------source()
--------make.bat(764B)
--------README.txt(170B)
--------Makefile(645B)
--------rebuild(75B)
----.gitignore(394B)
----pipecaster()
--------testing_utils.py(12KB)
--------cross_validation.py(17KB)
--------multichannel_pipeline.py(50KB)
--------config.py(1KB)
--------parallel.py(8KB)
--------utils.py(15KB)
--------channel_selection.py(34KB)
--------__init__.py(416B)
--------ray_backend.py(14KB)
--------auto_detect.py(1KB)
--------todo.txt(973B)
--------ensemble_learning.py(83KB)
--------score_selection.py(6KB)
--------tests()
--------transform_wrappers.py(34KB)
--------channel_scoring.py(7KB)