统计建模工具,基于python统一模型创建和评分
agmodeling的Python项目详细描述
AGM建模
===========
统计建模工具,基于python统一模型创建和评分
包agmodeling.setcoring实现set方法的一部分,用于比较
传感器输出如下:
空气质量1微传感单元评估工具包
(巴拉克·菲什班、乌里·勒纳、努里亚·卡斯特尔·巴拉格尔)
新功能
===========
-(2018/11)第一版(v 0.3)
依赖关系
=============
agmodeling编写为与python 2.7一起使用
它需要熊猫、小猫咪和小猫咪
它需要“熊猫”:
PIP安装熊猫
pip安装numpy
pip安装scipy
安装
=============
pip安装agmodeling
用例
==========
从agmodeling.scoring.set_method import获取ipi_score
将熊猫作为PD导入
文件=u'sample_data.xlsx'
打印(u'read excel数据文件%s'%file)
df=pd.read_excel(文件)
ipi=获得“ipi”分数(df[u'pm10_ref',df[u'pm10_mod_earth')
打印IPI
匹配:rmse:pearson:kendall:spearman:lfe::ipi
0.763240:0.061937:0.909195:0.657553:0.832455:0.990418:0.848801
0.848801
您可以在包中运行整个演示
CD演示
python.\demo_set_scoring.py(python演示集评分.py)
读取excel数据文件:sample_data.xlsx
包含2568个数据
对PM25_raw进行IPI评分
匹配:rmse:pearson:kendall:spearman:lfe::ipi
0.492835:0.238941:0.639916:0.417968:0.575632:0.980072::0.648981
PM25模块的IPI得分
匹配:rmse:pearson:kendall:spearman:lfe::ipi
0.687539:0.102816:0.747821:0.524258:0.695786:0.980072::0.756295
PM25_mod_earth的IPI得分
匹配:rmse:pearson:kendall:spearman:lfe::ipi
0.648910:0.092760:0.800773:0.537126:0.713852:0.980072:0.765357
对PM10_raw进行IPI评分
匹配:rmse:pearson:kendall:spearman:lfe::ipi
0.486604:0.264435:0.454199:0.269705:0.393423:0.990418:0.560331
PM10_mod_quad的IPI得分
匹配:rmse:pearson:kendall:spearman:lfe::ipi
0.742056:0.074365:0.866073:0.612143:0.789426:0.990418:0.821408
PM10_mod_earth的IPI得分
匹配:rmse:pearson:kendall:spearman:lfe::ipi
0.763240:0.061937:0.909195:0.657553:0.832455:0.990418:0.848801
========================================
结果:
原始模式四模式地球
PM10 0.560331 0.821408 0.848801
PM25 0.648981 0.756295 0.765357
FIN DU程序
===========
统计建模工具,基于python统一模型创建和评分
包agmodeling.setcoring实现set方法的一部分,用于比较
传感器输出如下:
空气质量1微传感单元评估工具包
(巴拉克·菲什班、乌里·勒纳、努里亚·卡斯特尔·巴拉格尔)
新功能
===========
-(2018/11)第一版(v 0.3)
依赖关系
=============
agmodeling编写为与python 2.7一起使用
它需要熊猫、小猫咪和小猫咪
它需要“熊猫”:
PIP安装熊猫
pip安装numpy
pip安装scipy
安装
=============
pip安装agmodeling
用例
==========
从agmodeling.scoring.set_method import获取ipi_score
将熊猫作为PD导入
文件=u'sample_data.xlsx'
打印(u'read excel数据文件%s'%file)
df=pd.read_excel(文件)
ipi=获得“ipi”分数(df[u'pm10_ref',df[u'pm10_mod_earth')
打印IPI
匹配:rmse:pearson:kendall:spearman:lfe::ipi
0.763240:0.061937:0.909195:0.657553:0.832455:0.990418:0.848801
0.848801
您可以在包中运行整个演示
CD演示
python.\demo_set_scoring.py(python演示集评分.py)
读取excel数据文件:sample_data.xlsx
包含2568个数据
对PM25_raw进行IPI评分
匹配:rmse:pearson:kendall:spearman:lfe::ipi
0.492835:0.238941:0.639916:0.417968:0.575632:0.980072::0.648981
PM25模块的IPI得分
匹配:rmse:pearson:kendall:spearman:lfe::ipi
0.687539:0.102816:0.747821:0.524258:0.695786:0.980072::0.756295
PM25_mod_earth的IPI得分
匹配:rmse:pearson:kendall:spearman:lfe::ipi
0.648910:0.092760:0.800773:0.537126:0.713852:0.980072:0.765357
对PM10_raw进行IPI评分
匹配:rmse:pearson:kendall:spearman:lfe::ipi
0.486604:0.264435:0.454199:0.269705:0.393423:0.990418:0.560331
PM10_mod_quad的IPI得分
匹配:rmse:pearson:kendall:spearman:lfe::ipi
0.742056:0.074365:0.866073:0.612143:0.789426:0.990418:0.821408
PM10_mod_earth的IPI得分
匹配:rmse:pearson:kendall:spearman:lfe::ipi
0.763240:0.061937:0.909195:0.657553:0.832455:0.990418:0.848801
========================================
结果:
原始模式四模式地球
PM10 0.560331 0.821408 0.848801
PM25 0.648981 0.756295 0.765357
FIN DU程序