文件名称：lambdo:特征工程和机器学习
文件大小：311KB
文件格式：ZIP
更新时间：2024-06-19 19:11:05
data-science machine-learning data-mining time-series forecasting
特征工程和机器学习：终于在一起了！ Lambdo 是一个工作流引擎，它通过统一特征工程和机器学习操作来显着简化数据分析。 Lambdo 数据分析工作流不区分它们，任何节点都可以视为特征或预测，两者都可以训练。 这种统一是可能的，因为底层的面向列的数据处理范式将列视为具有与表相同权限的数据处理管道的第一类元素。 在 Lambdo 中，工作流由处理记录集的表填充操作和从现有列生成新列（特征）的列评估操作组成。 这从根本上改变了数据的处理方式。 在 Bistro 中也使用了相同的方法： : 以下是Lambdo的一些独特之处： 功能和型号之间没有区别。 Lambdo 统一了特征工程和机器学习，因此工作流涉及许多特征定义和许多机器学习算法。 这对于必须学习抽象中间特征的深度学习尤其重要。 一种用于预测和培训的工作流程。 Lambdo节点将应用转换与训练其模型结合在一起，以便在需要时可以
【文件预览】：
lambdo-master
----requirements.txt(95B)
----examples()
--------example8.json(2KB)
--------^GSPC.csv(538KB)
--------example6.py(776B)
--------example9.json(7KB)
--------^VIX.csv(426KB)
--------example1.json(461B)
--------example6.json(2KB)
--------example7.json(2KB)
--------example5.json(1KB)
--------example3.py(267B)
--------example2.json(747B)
--------example3.json(927B)
--------example4.json(1KB)
--------example_main.py(88B)
--------example9.py(2KB)
----LICENSE(1KB)
----lambdo()
--------transform.py(5KB)
--------Workflow.py(4KB)
--------Topology.py(4KB)
--------resolve.py(4KB)
--------utils.py(10KB)
--------main.py(2KB)
--------__init__.py(0B)
--------Table.py(21KB)
--------version.py(48B)
--------std.py(5KB)
--------Column.py(39KB)
----setup.py(2KB)
----README.md(44KB)
----docs()
--------make.bat(752B)
--------text()
--------conf.py(5KB)
--------index.rst(884B)
--------Makefile(580B)
--------.gitignore(35B)
----tests()
--------test_calculate.py(3KB)
--------test_table_filter.py(5KB)
--------test_table_populate.py(2KB)
--------test1.csv(137B)
--------test_compose.py(5KB)
--------test_train.py(3KB)
--------test_aggregate.py(3KB)
--------test_table_join.py(3KB)
--------test_table_project.py(2KB)
--------udf.py(49B)
--------test_table_aggregate.py(3KB)
--------test_transform.py(3KB)
--------test_resolve.py(5KB)
--------test_link.py(3KB)
--------test_utils.py(2KB)
--------test_topology.py(7KB)
--------test_roll.py(5KB)
----.gitignore(3KB)
----CHANGELOG.md(771B)