ntap 1.0.8

• 设置参数（**kwargs）
• cv：
  • 隐式支持网格搜索的交叉验证。如果给定了参数值列表（而不是单个值），则cv对所有可能的参数组合运行网格搜索
  • lm：cv（data，num_folds=10，metric="r2"，random_state=none）
  • SVM：cv（数据，num-epochs，num-folds=10，分层=真，metric="准确性"）
    • num_epochs：要训练的epochs/迭代次数。这应该修改
    • 折叠次数：交叉折叠次数
    • 分层：如果为真，则使用分层折叠拆分数据（甚至参照目标变量进行拆分）
    • metric：用于比较来自不同参数网格的不同cv结果的度量（如果未指定网格搜索，则不进行比较并且忽略metric）
  • 返回：类的实例
    • 包含所有可能的分类（或回归）指标的信息，对于每个cv折叠和跨折叠的平均值
    • 包含保存的参数集
• 列车
  • 目前不建议用户申请。使用cv代替
预测
• 目前不建议用户申请。使用cv代替

示例

from ntap.data import Dataset
from ntap.models import SVM

data = Dataset("./my_data.csv")
model = SVM("hate ~ tfidf(text)", data=data)
basic_cv_results = model.CV(num_folds=5)
basic_cv_results.summary()
model.set_params(C=[1., .8, .5, .2, .01]) # setting param
grid_searched = model.CV(num_folds=5)
basic_cv_results.summary()
basic_cv_results.params

型号

已经为ntap实现了一个基本模型：rnn。以后的模型将包括cnn和其他神经变体。所有模型类（cnn，rnn等）都有以下方法：cv，predict，以及train

在神经架构中使用文本的模型公式应使用以下语法： "<；因变量>；~序列（<；文本列>；）"

ntap.models.rnn

RNN(formula, data, hidden_size=128, cell="biLSTM", rnn_dropout=0.5, embedding_dropout=None,
	optimizer='adam', learning_rate=0.001, rnn_pooling='last', embedding_source='glove', 
	random_state=None)

参数

• 公式
  • 类似于基本方法，但支持多目标（多任务学习）。格式为："hate+moral~seq（text）"
• 数据：数据集对象
• 隐藏大小：int，1层RNN类型模型中的隐藏单元数
• 单元格：str，RNN单元格的类型。默认为双向长短期内存（LSTM）单元。选项包括bilstm，lstm，gru，和bigru（双向门循环单元）
• rnn_dropout：float，在应用于rnn输出的层中，网络中的参数在dropout期间随机归零的比例。如果无>，不申请退学（不建议）
• 嵌入中断：str，未实现
• 优化器：str，培训期间使用的优化器。选项有：adam，sgd，momentum，和rmsprop
• 学习率：培训期间的学习率
• rnn_池：str或int。如果int，则模型具有自我注意，并且大小为rnn_pooling的前向层应用于rnn层的输出以产生注意字母。如果是字符串，可能的选项是last（默认RNN行为，其中最后一个隐藏向量作为句子表示，先前的状态被删除）mean（整个序列中的平均隐藏状态）和max（选择最大隐藏向量）
• 嵌入源代码：str，可以是手套或（其他未实现的）
• 随机状态：int

功能

• cv（数据，num椆folds，num椆epochs，comp='精度'，model椆dir=none）
  • 如果为特定参数指定了多个值，则自动执行网格搜索
  • 数据：要对其执行cv的数据集
  • num_folds：int
  • comp：str，比较不同参数网格的度量（如果没有网格搜索，则不适用）
  • model\u dir：如果none，则训练的模型保存在临时目录中，然后在脚本退出后丢弃。否则，cv会尝试将每个模型保存在model\u dir指定的路径中
  • 返回：cv_results具有最佳模型统计信息（如果是网格搜索）和最佳参数（不支持）的实例
• 列车（数据，num-epochs=30，批量大小=256，索引=none，模型路径=none）
  • 由cv调用的方法，可以独立调用。可以对所有数据（索引=无）或指定子集进行训练。如果model\u path是none，则不保存模型，否则尝试将模型保存在model\u path
  • 索引：要么是none（对所有数据进行训练），要么是int的列表，其中每个值都是（0，len（data）-1）范围内的索引
• 预测（数据，模型路径，索引=无，批量大小=256，检索=列表（））
  • 根据新数据进行预测。要求保存的模型存在于model\u路径
  • 索引：要么是none（对所有数据进行训练），要么是int的列表，其中每个值都是（0，len（data）-1）范围内的索引
  • retrieve：包含字符串列表，这些字符串指示在预测期间要检索哪些模型变量。包括：rnn_alpha（如果是注意力模式）和hidden_states（任何模式）
  • 返回：带{变量名：值列表}的字典。内容是每个目标变量和在retrieve中给定的任何模型变量的预测值。

from ntap.data import Dataset
from ntap.models import RNN

data = Dataset("./my_data.csv")
base_lstm = RNN("hate ~ seq(text)", data=data)
attention_lstm = RNN("hate ~ seq(text)", data=data, rnn_pooling=100) # attention
context_lstm = RNN("hate ~ seq(text) + speaker_party", data=data) # categorical variable
base_model.set_params({"hidden"=[200, 50], lr=[0.01, 0.05]}) # enable grid search during CV

# Grid search and print results from best parameters
base_results = base_model.CV()
base_results.summary()

# Train model and save. Predict for 6 specific instances and get alphas
attention_lstm.train(data, model_path="./trained_model")
predictions = attention_lstm.predict(data, model_path="./trained_model",
							indices=[0,1,2,3,4,5], retrieve=["rnn_alphas"])
for alphas in predictions["rnn_alphas"]:
	print(alphas)  # prints list of floats, each the weight of a word in the ith document

即将推出…

mil（公式，数据，…）

• 未实现

han（公式，数据，…）

• 未实现

cnn（）

• 未实现

ntap.data.tagme

未实现 标记名（token="system"，p=0.15，tweet=false）

• 令牌（str）：个人标记名令牌。用户可以通过创建帐户。DEFault behavior（"system"）假设在安装ntap期间设置了tagme标记。 成员：
• 获取标记（字符串列表）
  • 将摘要和类别存储为成员变量
• reset（）
• 摘要：实体id的字典：摘要文本…}
• 类别：实体id的字典{类别1，类别2，}

data = Dataset("path.csv")
data.tokenize(tokenizer='tweettokenize')
abstracts, categories = data.get_tagme(tagme_token=ntap.tagme_token, p=0.15, tweet=False)
# tagme saved as data object at data.entities
data.background_features(method='pointwise-mi', ...)  # assumes data.tagme is set; creates features
saves features at data.background

background_mod = RNN("purity ~ seq(words) + background", data=data)
background_mod.CV(kfolds=10)

ntap.data.tacit

未实施。包装默认实例 tacit（path_to_tacit_目录，params to create tacit session）

标签：

• 数据
• 方法
• 标记
• 模型
• data
• 参数
• model
• cv
• cssl

欢迎加入QQ群-->： 979659372

推荐PyPI第三方库

• aliyun-python-sdk-schedulerx2-test

  阿里云Python sdk的schedulerx2模块。

• django-vendor

  Django应用程序工具包，用于在线销售数字和实物商品。

• tencentcloud-sdk-python-gpm

  腾讯云Python Gpm SDK

• tiramisu-asr

  使用Tensorflow 2的几乎先进的自动语音识别

• gibiga-distributions

  高斯分布

• rfc-http-validate

  验证XML2RFC文档中的HTTP消息

• nbimageviewer

  nbimageviewer是一个Python库，用于Jupyter笔记本的快速高效的图像可视化。

• sqlight

  SQLite、MySQL、PostgreSQL的轻量级包装器。

• chromatose

  个人调色板集合和迷你调色板可视化工具

• torcharc

  通过指定体系结构来构建Pythorch网络。

• simple-proxypool

  简单代理池+代理验证

• transcribe-compare

  语音增益比较转录

• bagpipe

  未提供项目说明

• test-package-ag

  小测试包

• flockfile

  基于文件锁定的简单锁定文件类。