foreshadow 0.1.0

安装前阴影

$ pip install foreshadow

阅读文档到set up the project from source。

开始

要开始使用foreshadow，请使用pip install安装包。这也会 安装依赖项。现在创建一个简单的python脚本，它使用 有前奏的默认值。

首次导入前阴影

importforeshadowasfs

同时为演示导入sklearn、pandas和numpy

importpandasaspdfromsklearn.datasetsimportboston_housingfromsklearn.model_selectionimporttrain_test_split

现在将sklearn的波士顿住房数据加载到pandas数据框中。这个 是测试机器学习模型的通用数据集，并内置到 scikit学习。

boston=load_boston()bostonX_df=pd.DataFrame(boston.data,columns=boston.feature_names)bostony_df=pd.DataFrame(boston.target,columns=['target'])

接下来，就像使用sklearn估计器一样，执行列车测试 对数据进行拆分，并将列车数据传递到新的预兆的拟合函数中 对象

X_train,X_test,y_train,y_test=train_test_split(bostonX_df,bostony_df,test_size=0.2)shadow=fs.Foreshadow()shadow.fit(X_train,y_train)

现在，fs是一个合适的预告对象，所有的特征工程 对估计量进行了训练和优化。现在可以 将其作为拟合sklearn估计量进行预测。

shadow.score(X_test,y_test)

太好了，你现在有一个工作前好的安装！继续阅读，学习如何 导出、修改和构建自己的管道。

主要功能

• 自动特征工程
• 自动模式选择
• 快速管道开发/迭代
• 自动参数优化
• 易于扩展
• scikit学习兼容

Foreshadow支持Python3.6+

文档

Read the docs!