构建状态1244构建状态124Coverage状态124PYPI版本1244[“124license 1244；]（http://www.apache.org/licenses/license-2.0）[124DOI-1244documentation 124；]（http://msmbuilder.org/osprey）
ospre的Python项目详细描述
[
]
（http://www.apache.org/licenses/LICENSE-2.0）
[
]
（http://msmbuilder.org/osprey）
徽标
鱼鹰是一个易于使用的超参数优化工具 使用scikit learn（或使用 scikit学习兼容的api）。
每一个鱼鹰实验都结合了一个数据集、一个估计器、一个搜索空间。 （和引擎），交叉验证和异步序列化 模型超参数的分布式并行优化。
文档
有关完整文档，请访问Osprey homepage。
安装
如果您有一个anaconda python发行版，安装非常简单：
$ conda install -c omnia osprey
您也可以使用pip：
安装鱼鹰$ pip install osprey
或者，您可以直接从github repo安装：
$ git clone https://github.com/msmbuilder/osprey.git $ cd osprey && git checkout 1.1.0 $ python setup.py install
使用MSMBuilder
的示例下面是要交叉验证的ospreyconfig文件的示例 基于变簇数和二面体的马尔可夫状态模型 模型中使用的角度：
estimator:eval_scope:msmbuildereval:|Pipeline([('featurizer', DihedralFeaturizer(types=['phi', 'psi'])),('cluster', MiniBatchKMeans()),('msm', MarkovStateModel(n_timescales=5, verbose=False)),])search_space:cluster__n_clusters:min:10max:100type:intfeaturizer__types:choices:-['phi','psi']-['phi','psi','chi1']type:enumcv:5dataset_loader:name:mdtrajparams:trajectories:~/local/msmbuilder/Tutorial/XTC/*/*.xtctopology:~/local/msmbuilder/Tutorial/native.pdbstride:1trials:uri:sqlite:///osprey-trials.db
然后运行osprey worker。可以运行的多个并行实例 osprey worker同时在集群上。
$ osprey worker config.yaml
...
----------------------------------------------------------------------
Beginning iteration 1 / 1
----------------------------------------------------------------------
History contains: 0 trials
Choosing next hyperparameters with random...
{'cluster__n_clusters': 20, 'featurizer__types': ['phi', 'psi']}
Fitting 5 folds for each of 1 candidates, totalling 5 fits
[Parallel(n_jobs=1)]: Done 1 jobs | elapsed: 0.3s
[Parallel(n_jobs=1)]: Done 5 out of 5 | elapsed: 1.8s finished
---------------------------------
Success! Model score = 4.080646
(best score so far = 4.080646)
---------------------------------
1/1 models fit successfully.
time: October 27, 2014 10:44 PM
elapsed: 4 seconds.
osprey worker exiting.
您可以使用osprey dump将数据库转储到json或csv。
依赖关系
- python>=2.7.11
- six>=1.10.0
- pyyaml>=3.11
- numpy>=1.10.4
- scipy>=0.17.0
- scikit-learn>=0.17.0
- sqlalchemy>=1.0.10
- bokeh>=0.12.0
- matplotlib>=1.5.0
- pandas>=0.18.0
- GPy（可选，对于gp策略是必需的）
- hyperopt（可选，对于hyperopt_tpe策略是必需的）
- nose（可选，用于测试）
贡献
如果你对这个包裹有任何问题，请考虑 向GitHub Issue Tracker提交票证。我们也 欢迎任何功能请求，并高度鼓励用户submit pull requests 用于错误修复和改进。
有关更多详细信息，请参阅 documentation。
引用
如果你在研究中使用鱼鹰，请引用：
@misc{osprey,author={Robert T. McGibbon and Carlos X. Hernández and Matthew P. Harrigan and Steven Kearnes and Mohammad M. Sultan and Stanislaw Jastrzebski and Brooke E. Husic and Vijay S. Pande},title={Osprey 1.0.0},month=jun,year=2016,doi={10.5281/zenodo.56251},url={http://dx.doi.org/10.5281/zenodo.56251}}
欢迎加入QQ群-->： 979659372
