一套机器学习工具
dsawl的Python项目详细描述
[![生成状态](https://travis-ci.org/Nikolay-Lysenko/dsawl.svg?branch=master)](https://travis-ci.org/Nikolay-Lysenko/dsawl) [![codecov](https://codecov.io/gh/Nikolay-Lysenko/dsawl/branch/master/graph/badge.svg)](https://codecov.io/gh/Nikolay-Lysenko/dsawl) [![可维护性](https://api.codeclimate.com/v1/badges/98fc23b8b51fb20f2920/maintainability)](https://codeclimate.com/github/Nikolay-Lysenko/dsawl/maintainability) [![PYPI版本](https://badge.fury.io/py/dsawl.svg)](https://badge.fury.io/py/dsawl)
#dsawl
##这是什么?
这是一套机器学习工具。下表介绍了包实用程序提供的功能:
主题描述文档 :-——————————————————: 主动学习高度模块化的系统,建议先前未标记的示例应标记,以便快速显著地提高模型质量。特色:开发和勘探的多种选择。|[阅读更多](https://github.com/Nikolay-Lysenko/dsawl/blob/master/docs/active_learning_demo.ipynb) 叠加(stacking)将机器学习算法应用于由其他机器学习模型进行的折叠预测或转换的方法。特殊功能:支持任何与sklearn兼容的估计器(特别是管道)。|[阅读更多](https://github.com/Nikolay-Lysenko/dsawl/blob/master/docs/stacking_demo.ipynb) 目标编码一种替代一种热编码和散列技巧的方法,该技巧试图同时具有内存效率和从初始特征中整合所有有用信息。特殊功能:sklearn兼容的包装器,可以将数据从折叠中转换出来,并对结果应用估计器。[阅读更多](https://github.com/Nikolay-Lysenko/dsawl/blob/master/docs/target_encoding_demo.ipynb)
存储库名称是三个单词的组合:ds、saw和awl。ds是数据科学的缩写,后两个词代表了有用的工具。
##如何安装软件包?
该软件包与Python3.5或更新版本兼容。一种虚拟环境,它保证包可以基于名为requirements.txt的[文件](https://github.com/Nikolay-Lysenko/dsawl/blob/master/requirements.txt)创建。
要安装稳定版本的软件包,请运行以下命令: ` pip install dsawl `
要从源安装最新版本,请从终端执行以下操作: ` cd path/to/your/destination git clone https://github.com/Nikolay-Lysenko/dsawl cd dsawl pip install -e . `
如果您在安装方面有任何问题,欢迎您提出问题。