malss 2.2.6

依赖关系

MALSS要求：

• Python（>；=3.6）
• 纽比（>；=1.10.2）
• 希比（>；=0.16.1）
• 科学套件学习（>；=0.19）
• matplotlib（>；=1.5.1）
• 熊猫（>；=0.14.1）
• Jinja2（>；=2.8）
• Pyqt5（>；=5.12）（仅用于交互模式）

安装malss时，将自动安装除pyqt5以外的所有模块。

安装

pip install malss

对于交互模式，需要使用pip安装pyqt5。

pip install PyQt5

示例

分类：

frommalssimportMALSSfromsklearn.datasetsimportload_irisiris=load_iris()clf=MALSS(task='classification',lang='en')clf.fit(iris.data,iris.target,'classification_result')clf.generate_module_sample('classification_module_sample.py')

回归：

frommalssimportMALSSfromsklearn.datasetsimportload_bostonboston=load_boston()clf=MALSS(task='regression',lang='en')clf.fit(boston.data,boston.target,'regression_result')clf.generate_module_sample('regression_module_sample.py')

更改算法：

frommalssimportMALSSfromsklearn.datasetsimportload_irisfromsklearn.ensembleimportRandomForestClassifierasRFiris=load_iris()clf=MALSS(task='classification',lang='en')clf.fit(iris.data,iris.target,algorithm_selection_only=True)algorithms=clf.get_algorithms()# check algorithms hereclf.remove_algorithm(0)# remove the first algorithm# add random forest classifierclf.add_algorithm(RF(n_jobs=3),[{'n_estimators':[10,30,50],'max_depth':[3,5,None],'max_features':[0.3,0.6,'auto']}],'Random Forest')clf.fit(iris.data,iris.target,'classification_result')clf.generate_module_sample('classification_module_sample.py')

交互模式：

在交互模式下，可以通过图形用户界面交互分析数据。

frommalssimportMALSSMALSS(lang='en',interactive=True)