文件名称：贝加尔湖：基于图的功能API，用于构建复杂的scikit学习管道
文件大小：167KB
文件格式：ZIP
更新时间：2024-02-23 21:23:05
python data-science machine-learning scikit-learn graph-based
基于图的功能API，用于构建复杂的scikit学习管道 贝加尔湖是用纯Python编写的。 它支持Python 3.5及更高版本。 注意：贝加尔湖仍然是一个年轻的项目，可能会有向后不兼容的更改。 中宣布并讨论了下一步的开发步骤和向后不兼容的更改。 如果使用贝加尔湖，请订阅它。 什么是贝加尔湖？ baikal是基于图的功能性API，用于构建实现的对象的复杂机器学习管道。 它的主要灵感来自出色的深度学习API，并借鉴了框架和（也许鲜为人知） 软件包中的一些概念。 baikal旨在提供一种API，该API允许构建如下所示的复杂的非线性机器学习管道： 使用如下代码： x1 = Input () x2 = Input () y_t = Input () y1 = ExtraTreesClassifier ()( x1 , y_t ) y2 = RandomForestClassifier ()( x2 , y_t ) z = PowerTransformer ()( x2 ) z = PCA ()( z ) y3 = LogisticRegression ()( z , y_t )
【文件预览】：
baikal-master
----MANIFEST.in(34B)
----.github()
--------ISSUE_TEMPLATE()
----illustrations()
--------multiple_input_nonlinear_pipeline_example_diagram.png(13KB)
--------multiple_input_nonlinear_pipeline_example_plot.png(60KB)
--------baikal1_blue.png(7KB)
----baikal()
--------_version.py(210B)
--------__init__.py(235B)
--------sklearn.py(3KB)
--------_core()
--------steps()
--------plot.py(9KB)
----.circleci()
--------config.yml(3KB)
----examples()
--------readme_long_example.py(2KB)
--------transformed_target.py(2KB)
--------stacked_classifiers_naive.py(2KB)
--------readme_quick_example.py(676B)
--------stacked_classifiers_standard.py(2KB)
--------gridsearchcv_sklearn_wrapper.py(2KB)
--------classifier_chain.py(2KB)
----CONTRIBUTING.md(5KB)
----LICENSE(2KB)
----setup.py(3KB)
----README.md(5KB)
----Makefile(1KB)
----.pre-commit-config.yaml(129B)
----docs()
--------make.bat(787B)
--------src()
--------requirements.txt(2KB)
--------requirements.in(26B)
--------Makefile(582B)
----tests()
--------test_sklearn_wrapper.py(4KB)
--------helpers()
--------test_plot.py(4KB)
--------_core()
--------steps()
--------test_imports.py(349B)
----.readthedocs.yml(242B)
----.gitignore(1KB)
----pyproject.toml(121B)
----CHANGELOG.md(5KB)
----ci_tools()
--------test_job.sh(297B)
----.coveragerc(166B)