文件名称：baikal 一个基于图的功能API，用于构建复杂的scikit学习管道-python
文件大小：167KB
文件格式：ZIP
更新时间：2024-07-11 03:47:45
机器学习
A graph-based functional API for building complex scikit-learn pipelines. 用于构建复杂的 scikit-learn 管道 baikal 的基于图的函数式 API 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变化。 本期将公布和讨论下一个开发步骤和向后不兼容的更改。 如果您使用贝加尔湖，请订阅它。 什么是贝加尔湖？ baikal 是一个基于图形的函数式 API，用于构建实现 scikit-learn API 的对象的复杂机器学习管道。 它主要受到用于深度学习的优秀 Keras API 的启发，并从 TensorFlow 框架和（可能鲜为人知的）graphkit 包中借用了一些概念。 baikal 旨在提供一个 API，允许构建复杂的非线性机器学习管道，如下所示： 代码如下： x1 = Input() x2 = Input() y_t = Input() y1 = ExtraTreesClassifier() (x
【文件预览】：
baikal-master
----illustrations()
--------multiple_input_nonlinear_pipeline_example_plot.png(60KB)
--------multiple_input_nonlinear_pipeline_example_diagram.png(13KB)
--------baikal1_blue.png(7KB)
----.circleci()
--------config.yml(3KB)
----.gitignore(1KB)
----README.md(5KB)
----CHANGELOG.md(5KB)
----.github()
--------ISSUE_TEMPLATE()
----.pre-commit-config.yaml(129B)
----tests()
--------test_imports.py(349B)
--------test_sklearn_wrapper.py(4KB)
--------test_plot.py(4KB)
--------helpers()
--------steps()
--------_core()
----docs()
--------make.bat(787B)
--------src()
--------requirements.txt(2KB)
--------requirements.in(26B)
--------Makefile(582B)
----examples()
--------classifier_chain.py(2KB)
--------readme_quick_example.py(676B)
--------gridsearchcv_sklearn_wrapper.py(2KB)
--------stacked_classifiers_standard.py(2KB)
--------stacked_classifiers_naive.py(2KB)
--------transformed_target.py(2KB)
--------readme_long_example.py(2KB)
----LICENSE(2KB)
----CONTRIBUTING.md(5KB)
----.coveragerc(166B)
----ci_tools()
--------test_job.sh(297B)
----MANIFEST.in(34B)
----pyproject.toml(121B)
----setup.py(3KB)
----Makefile(1KB)
----baikal()
--------plot.py(9KB)
--------_version.py(210B)
--------__init__.py(235B)
--------steps()
--------sklearn.py(3KB)
--------_core()
----.readthedocs.yml(242B)