没有项目描述
rembrandtml的Python项目详细描述
#伦勃朗TML是一个**直观的机器学习API。
可以在代码中轻松操作的实体。
首先对测试开发进行建模。
1.灵活的模块化设计使修改和添加实现变得容易。< 1。逻辑默认值，便于启动。
1.该代码完全用于综合测井和时间测量。
1.方法优化模型超参数。绘制许多配置的精度分数以进行比较。
1.功能管理使添加和删除功能以优化模型变得简单。
完成[快速启动]（quickstart.md）
1。找到一个测试，它涵盖了ml的一个方面和一个您想要了解的框架。有许多示例演示了如何加载scikit learn数据
*如何使用pandas从csv文件加载数据
*如何使用scikit learn和tensorflow使用线性回归
2。从测试运行程序或test_runner.py调用测试。单步执行调试器中的代码
这些服务通过instrumentation singleton提供给每个对象。
custom functionnotimplementederror演示如何扩展自定义功能的错误。
设计模式
dataprovider类给出了模板模式的示例。
抽象基类定义了从数据集检索数据的算法。
需要定制功能。
例如，使用scikit learn bunch访问训练数据和标签数据的方式与使用pandas数据帧访问不同。scikit learn bunch对象将标签数据（y）存储在ndarray中，可通过bunch中的“target”键访问。如果数据是从csv加载到pandas数据帧中的，则需要按功能名称访问标签数据，并从培训数据中显式删除标签数据。
创建dataconfig
2。创建modelconfig
3。创建contextconfig
4。使用contextfactory.create（context_config）创建上下文
初始化实现
1。contextFactor.create（）实例化
1。记录器
2.仪表
3.数据容器
2.contextFactory.create（）调用
3。modelFactory.create（），它实例化
1。型号
4.模型构造函数实例化
1。用于mlsinglemodelbase的modelmpl
2。用于mlensemblemodelbase的modelmpl集合
*因为集成模型在初始化之前可能需要估计模型集合，例如scikit learn votingclassifier，不同的子类处理ModelImpl初始化。
第一步是创建一系列测试以确保正确初始化。
1.请参见testensemblemodels作为示例
2。测试错误条件对于确保进行正确的验证和正确报告错误非常重要。
*现在是考虑您对数据和代码状态的假设的好时机。添加一些测试来验证这些假设。这将使将来的故障排除变得更加容易。
*请参见TestInsampleModels.Test_Voting_sklearn_Estimators_error（）
2。下一个t，实现每一项功能，使测试通过。
可以在代码中轻松操作的实体。
首先对测试开发进行建模。
1.灵活的模块化设计使修改和添加实现变得容易。< 1。逻辑默认值，便于启动。
1.该代码完全用于综合测井和时间测量。
1.方法优化模型超参数。绘制许多配置的精度分数以进行比较。
1.功能管理使添加和删除功能以优化模型变得简单。
完成[快速启动]（quickstart.md）
1。找到一个测试，它涵盖了ml的一个方面和一个您想要了解的框架。有许多示例演示了如何加载scikit learn数据
*如何使用pandas从csv文件加载数据
*如何使用scikit learn和tensorflow使用线性回归
2。从测试运行程序或test_runner.py调用测试。单步执行调试器中的代码
这些服务通过instrumentation singleton提供给每个对象。
custom functionnotimplementederror演示如何扩展自定义功能的错误。
设计模式
dataprovider类给出了模板模式的示例。
抽象基类定义了从数据集检索数据的算法。
需要定制功能。
例如，使用scikit learn bunch访问训练数据和标签数据的方式与使用pandas数据帧访问不同。scikit learn bunch对象将标签数据（y）存储在ndarray中，可通过bunch中的“target”键访问。如果数据是从csv加载到pandas数据帧中的，则需要按功能名称访问标签数据，并从培训数据中显式删除标签数据。
创建dataconfig
2。创建modelconfig
3。创建contextconfig
4。使用contextfactory.create（context_config）创建上下文
初始化实现
1。contextFactor.create（）实例化
1。记录器
2.仪表
3.数据容器
2.contextFactory.create（）调用
3。modelFactory.create（），它实例化
1。型号
4.模型构造函数实例化
1。用于mlsinglemodelbase的modelmpl
2。用于mlensemblemodelbase的modelmpl集合
*因为集成模型在初始化之前可能需要估计模型集合，例如scikit learn votingclassifier，不同的子类处理ModelImpl初始化。
第一步是创建一系列测试以确保正确初始化。
1.请参见testensemblemodels作为示例
2。测试错误条件对于确保进行正确的验证和正确报告错误非常重要。
*现在是考虑您对数据和代码状态的假设的好时机。添加一些测试来验证这些假设。这将使将来的故障排除变得更加容易。
*请参见TestInsampleModels.Test_Voting_sklearn_Estimators_error（）
2。下一个t，实现每一项功能，使测试通过。
欢迎加入QQ群-->： 979659372
