用python编写的数字锦标赛工具箱
numerox的Python项目详细描述
Numerox是一个用Python编写的数字锦标赛工具箱
你所要做的就是创建一个模型。请看model以获取示例
一旦你有了一个模型,numerox就可以完成剩下的工作。先下载数字 数据集,然后加载它:
>>> import numerox as nx >>> data = nx.download('numerai_dataset.zip')
我们用numerox中的logistic回归模型进行5倍交叉 培训数据验证:
>>> model = nx.logistic() >>> prediction = nx.backtest(model, data, tournament='bernie', verbosity=1) logistic(inverse_l2=0.0001) logloss auc acc ystd stats mean 0.692885 0.5165 0.5116 0.0056 tourn bernie std 0.000536 0.0281 0.0215 0.0003 region train min 0.691360 0.4478 0.4540 0.0050 eras 120 max 0.694202 0.5944 0.5636 0.0061 consis 0.625
好的,结果对于演示来说已经足够好了,所以让我们为 比赛。我们将把模型与列车数据拟合,并作出预测 对于锦标赛数据:
>>> prediction = nx.production(model, data, 'bernie', verbosity=1) logistic(inverse_l2=0.0001) logloss auc acc ystd stats mean 0.692808 0.5194 0.5142 0.0063 tourn bernie std 0.000375 0.0168 0.0137 0.0001 region validation min 0.691961 0.4903 0.4925 0.0062 eras 12 max 0.693460 0.5553 0.5342 0.0064 consis 0.75
让我们上传我们的预测以参加比赛:
>>> prediction.to_csv('logistic.csv') >>> upload_id, status = nx.upload('logistic.csv', 'bernie', public_id, secret_key) metric value minutes concordance True 0.0898 consistency 0.75 0.0898 originality False 0.1783 validation_logloss 0.6928 0.1783 stakeable True 0.1783
示例
看看examples
安装
使用pip安装:
$ pip install numerox
安装numerox后,运行单元测试(请报告任何 失败):
>>> import numerox as nx >>> nx.test()
要求:numpy,scipy,pandas,sklearn,pytables,numerapi, 设置工具,请求,鼻子
资源
- 让我们chat
- 见examples
- 检查what’s new
- 报告bugs
赞助商
感谢您为Numerox的开发提供资金
许可证
Numerox是在GPLv3+下发布的。有关详细信息,请参见许可证文件。 如果由代码注释指示,NumPy的部分包含在numerox中这个 NumPy许可出现在licenses目录中