【文件属性】:
文件名称:vecstack:用于堆栈的Python包(机器学习技术)
文件大小:308KB
文件格式:ZIP
更新时间:2021-02-03 03:56:21
machine-learning ensemble ensemble-learning stacking bagging
vecstack
带有轻量级功能性API和完全兼容的scikit-learn API的用于堆叠的Python软件包(堆叠通用) 使用多种模型自动进行OOF计算,预测和装袋的简便方法
:
简约的。 只需一行即可获得堆叠的功能
内存友好。 最低的内存消耗
Kaggle准备好了。 每次运行的堆叠特征和超参数可以在文件中。 比赛结束时不再混乱。
:
标准化。 完全兼容scikit-learn的转换器类,展示fit和transform方法
管道认证。 使用sklearn.pipeline.Pipeline实施和部署没什么大不了的
当然, FeatureUnion也应邀参加了聚会
总体规格:
使用任何类似sklearn的估算器
执行任务
预测分类任务中的
应用任何
将任何应用于目标和预测
Python 3.5及更高版本,
Win,Linux,Mac
取决于numpy , scipy , scikit-learn> = 0.18
开始吧
用法:
教程:
示例(所有示例对两个API均有效很小):
功能性API:
Scikit学习API:
说明文件:
或类型>>> help(stac
【文件预览】:
vecstack-master
----LICENSE.txt(1KB)
----pic()
--------dia6.png(25KB)
--------dia1.xml(2KB)
--------dia6.xml(2KB)
--------dia2.png(20KB)
--------dia1.png(20KB)
--------dia5.png(25KB)
--------dia4.png(24KB)
--------animation1.gif(54KB)
--------dia2.xml(2KB)
--------dia3.png(19KB)
--------dia7.xml(2KB)
--------dia3.xml(2KB)
--------dia7.png(25KB)
--------dia4.xml(2KB)
--------animation2.gif(54KB)
--------dia5.xml(2KB)
----examples()
--------03_classification_with_proba_detailed_workflow.ipynb(25KB)
--------03_log_example.txt(5KB)
--------02_classification_with_class_labels.ipynb(7KB)
--------04_sklearn_api_regression_pipeline.ipynb(17KB)
--------README.md(11B)
--------00_stacking_concept_pictures_code.ipynb(21KB)
--------01_regression.ipynb(7KB)
----.travis.yml(791B)
----setup.py(2KB)
----README.md(30KB)
----vecstack()
--------coresk.py(46KB)
--------__init__.py(2KB)
--------core.py(31KB)
----tests()
--------test_func_api_classification_multiclass.py(39KB)
--------test_sklearn_api_regression.py(76KB)
--------__init__.py(1B)
--------test_sklearn_api_classification_binary.py(39KB)
--------test_func_api_regression.py(45KB)
--------test_sklearn_api_classification_multiclass.py(39KB)
--------test_func_api_classification_binary.py(39KB)
----.gitignore(156B)
----CHANGELOG.md(2KB)
----PY2.md(994B)