文件名称：pycaret-eidodata
文件大小：383KB
文件格式：ZIP
更新时间：2024-03-01 22:40:50
JupyterNotebook
EidoData Web应用程序 一种用于分类和回归问题的端到端机器学习Web应用程序。 目前支持csv和excel文件。 该应用程序依赖于这两个出色的机器学习库： streamlit： : pycaret： ： 产品特点 从本地系统拖放文件进行培训。 简单数据探索。 许多预处理方法： 采样和分割 数据预处理（缺少值插补，一次热编码，处理未知级别，解决分类不平衡问题） 缩放和变换（归一化，变换，目标变换） 特征工程（特征交互，多项式特征，三角特征，组特征，二进制数值特征，组合稀有水平） 特征选择（特征重要性，消除多重共线性，主成分分析，忽略方差） 无监督（创建群集，删除异常值） 模型训练： 自动比较所有可用的机器学习算法。 训练选定的单个模型 训练整体模型 单个模型的超参数调整 模型结果可视化： 所有用于回归和分类的图 SHAP值 预测和保存模型： 在线
【文件预览】：
pycaret-eidodata-master
----.gitignore(46B)
----Dockerfile(667B)
----original_yaml.txt(2KB)
----images()
--------icons.ico(121KB)
--------EIDOlogo.png(53KB)
--------EIDOname.png(16KB)
----requirements.txt(279B)
----deployment.yml(363B)
----kustomization.yml(456B)
----.gcloudignore(595B)
----.github()
--------workflows()
----utils()
--------plot_regression.py(1KB)
--------download_button.py(4KB)
--------st_xgboost.py(289B)
--------session.py(3KB)
--------image_loader.py(596B)
--------plot_shap.py(12KB)
--------__pycache__()
--------retrieve_models_name.py(577B)
--------retrieve_element_for_prediction.py(1KB)
--------Elongation_tiny_class.csv(37KB)
--------convert_dict_to_df.py(265B)
----README.md(2KB)
----kubernetes()
--------certificate.yaml(133B)
--------service.yaml(199B)
--------cloudbuild()
----Procfile(40B)
----app.py(2KB)
----pages()
--------reg_model_analysis.py(4KB)
--------cls_training.py(12KB)
--------reg_preprocessing.py(13KB)
--------prediction.py(4KB)
--------__pycache__()
--------home.py(805B)
--------cls_preprocessing.py(13KB)
--------reg_training.py(12KB)
--------data_info.py(491B)
--------cls_model_analysis.py(4KB)
----test()
--------iris.csv(3KB)
--------.ipynb_checkpoints()
--------test_shap_class.ipynb(621KB)