帮助程序代码，使使用sklearn更容易。https://github.com/aras7/scikit-learn-helper
scikit-learn-helper的Python项目详细描述
scikit learn helper是一个轻型库，其目的是提供实用功能，使使用scikit学习变得更加容易，让我们专注于解决问题，而不是编写样板代码
=0.20.2）当然：）
>pip-install-scikit-scikit-learn-helper
如何使用？
`` python
来自sklearn_helper.model.evaluator import evaluator
models={
"dummyegressor"：{
"model"：dummyegressor（）
}
}
evaluator=evaluator（models）
dataset=datasets.load_boston（）
x，y=dataset.data，dataset.target
model=评估者。评估（x，y）
````
`` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` `使用其他指标进行评估？
```
从sklearn_helper.model.evaluator导入evaluator
从sklearn.metrics导入r2评分
模型={
"dummyegressor"：{
"模型"：dummyegressor（）
}
}
evaluator=evaluator（模型，主要衡量指标=r2的得分
>dataset=datasets.load_boston（）
>x，y=dataset.data，dataset.target
>model=evaluator.evaluator.evaevaluate（x，y）
```
` ` ` ` `
` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` `.00秒如何比较2 +模型？
`` python
来自sklearn_helper.model.evaluator import evaluator
models={
"dummyegressor"：{
"model"：dummyegressor（）
}，
"linearregression"：{
"model"：线性模型。linearregression（）
}
}
计算器=计算器（模型）
数据集=数据集。加载波士顿（）
x，y=数据集。数据集。target
模型=计算器。计算（x，
`````
````
`````>>
``````
````````
模型：dummyeregressor `；模型：dummyeregressor `；模型：dummyeregressor `；模型：dummyegregregregregression `；均值``均方```````>br/>模型：lineargregression `；模型：lineargregregregression `；模型：dummyecleaner `；均方````````````````
````````````时间：0.00秒减少？
`` python
来自sklearn.metrics import accurity\u score
来自sklearn\helper.model.evaluator import evaluator
models={
"dummyClassifier"：{
"model"：dummyClassifier（）
}，
"svc"：{
"model"：svm.svc（）
}
}
evaluator=evaluator（models，main_metric=准确度得分，maximize_metric=true）
digits=数据集。load_digits（）
x，y=数字。data，digits.target
model=evaluator.evaluate（x，
````
`````
>``````
>模型：svc清洁剂：dummmy清洁剂；准确度评分：0.4179；时间：0.89秒
模型：dummmy分类器；清洁剂：dummmy清洁剂：dummmy清洁剂；准确度评分：0.0896分；时间：0.00秒
`````
```````
`````````````
>`````````````````
```````````````````>
如何比较和调整模型？
`` python
来自sklearn.metrics import accurity_score
来自sklearn_helper.model.evaluator import evaluator
models={
"svc"：{
"model"：svm.svc（）
}，
"improved svc"：{
"model"：svm.svc（），
"params"：{
"gamma"：np.linspace（0，0.1，num=10），
"c"：range（1，10）
}
}
}
}
evaluator=evaluator（models，main_metric=accore，maximize_metric=true）
digits=数据集。load_digits（）
x，y=数字。data，digits.target
model=evaluator.evaluate（x，y）
print（model）
````
```
model:improved svc cleaner:dummycleaner accurity score:0.6511 time:0.86 sec
model:svc cleaner:dummycleaner精度得分：0.4179时间：0.89秒
svc（c=2，缓存大小=200，类权重=none，coef0=0.0，
决策函数_shape='ovr'，度=3，伽马=0.0111111111111112，
核=rbf'，max-iter=-1，概率=false，随机状态=none，
收缩=true，tol=0.001，verbose=false）如何获取多个度量？
```
来自sklearn.metrics import roc_auc_score，f1_score，accurity_score
来自sklearn_helper.model.evaluator import evaluator
models={
"dummyClassifier"：{
"model"：dummyClassifier（）
，
"svc"：{
"model"：svm.svc（）
}
}
evaluator=evaluator（models，main_metric=roc_auc_score，
additional_metrics=[f1_score，accurity_score]，
最大化度量=真）
数字=数据集。加载乳腺癌（）
x，y=数字。数据，数字。目标
模型=评估器。评估（x，
````
`````
````
模型：svc清洁剂：dummmy清洁剂：roc-auc评分：0.5000分；f1评分：0.7650分；准确度评分：0.6277分；时间：0.11秒；模型：dummmy分类器：dummmy清洁剂：dummmy清洁剂：roc-roc评分：0.11秒。u auc_u得分：0.4961 f1_u得分：0.6063准确度_u得分：0.5308时间：0.01sec
```
是：）
```
来自sklearn.metrics import accurity_score
来自sklearn_helper.model.evaluator import evaluator
来自sklearn_helper.data.datacleaner import datacleaner
来自sklearn_helper.data.dummycleaner import dummycleaner
class阈值（数据清理器）：
阈值=3
定义清除训练数据（self，x，y）：
返回self.清除x（x），y
定义清除测试数据（self，x）：
u x=np.拷贝（x）
u x[\u x<；=自我阈值]=0
u x[\u x>；自我阈值]=1
返回x
models={
"dummyClassifier"：{
"model"：dummyClassifier（）
}，
"svc"：{
"model"：svm.svc（c=2，gamma=0.0111）
}
}
evaluator=evaluator（models，data_cleaners=[thresholding（），dummyCleaner（）]，主要指标=准确度得分
>digits=dataset.load_digits（）
>x，y=digits.data，digits.target
model=evaluator.evaevaluate（x，y）
`````
`>
````>```
model:dummyClassifi器：dummyClassifi器：dummyCleaner；准确度得分：0.0940 `时间：0.0940 `时间：0.0.0940 `；时间：0.0.0.0.0 00秒
型号：DummyClassifier|清洁：阈值准确度评分：0.1035时间：0.00秒
模型：svc清洁：dummmy清洁准确度评分：0.6516；时间：0.87秒
模型：svc；清洁：阈值；准确度评分：0.8848；时间：0.28秒
````
准确度评分：0.8848；时间：0.28秒
```>br/>
br/>
https://github.com/aras7/scikit learn helper/tree/master/examples
\todo:
*添加单元测试
*为打印结果添加预测时间
*改进文档
*拆分器
*添加测试不同数据集的功能，作为"来自"的替代sklearn.model_selection import cross_val_score`.在数据清除器内部重新采样时，它可能很有用
*添加codecov.io支持
=0.20.2）当然：）
>pip-install-scikit-scikit-learn-helper
如何使用？
`` python
来自sklearn_helper.model.evaluator import evaluator
models={
"dummyegressor"：{
"model"：dummyegressor（）
}
}
evaluator=evaluator（models）
dataset=datasets.load_boston（）
x，y=dataset.data，dataset.target
model=评估者。评估（x，y）
````
`` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` `使用其他指标进行评估？
```
从sklearn_helper.model.evaluator导入evaluator
从sklearn.metrics导入r2评分
模型={
"dummyegressor"：{
"模型"：dummyegressor（）
}
}
evaluator=evaluator（模型，主要衡量指标=r2的得分
>dataset=datasets.load_boston（）
>x，y=dataset.data，dataset.target
>model=evaluator.evaluator.evaevaluate（x，y）
```
` ` ` ` `
` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` `.00秒如何比较2 +模型？
`` python
来自sklearn_helper.model.evaluator import evaluator
models={
"dummyegressor"：{
"model"：dummyegressor（）
}，
"linearregression"：{
"model"：线性模型。linearregression（）
}
}
计算器=计算器（模型）
数据集=数据集。加载波士顿（）
x，y=数据集。数据集。target
模型=计算器。计算（x，
`````
````
`````>>
``````
````````
模型：dummyeregressor `；模型：dummyeregressor `；模型：dummyeregressor `；模型：dummyegregregregregression `；均值``均方```````>br/>模型：lineargregression `；模型：lineargregregregression `；模型：dummyecleaner `；均方````````````````
````````````时间：0.00秒减少？
`` python
来自sklearn.metrics import accurity\u score
来自sklearn\helper.model.evaluator import evaluator
models={
"dummyClassifier"：{
"model"：dummyClassifier（）
}，
"svc"：{
"model"：svm.svc（）
}
}
evaluator=evaluator（models，main_metric=准确度得分，maximize_metric=true）
digits=数据集。load_digits（）
x，y=数字。data，digits.target
model=evaluator.evaluate（x，
````
`````
>``````
>模型：svc清洁剂：dummmy清洁剂；准确度评分：0.4179；时间：0.89秒
模型：dummmy分类器；清洁剂：dummmy清洁剂：dummmy清洁剂；准确度评分：0.0896分；时间：0.00秒
`````
```````
`````````````
>`````````````````
```````````````````>
如何比较和调整模型？
`` python
来自sklearn.metrics import accurity_score
来自sklearn_helper.model.evaluator import evaluator
models={
"svc"：{
"model"：svm.svc（）
}，
"improved svc"：{
"model"：svm.svc（），
"params"：{
"gamma"：np.linspace（0，0.1，num=10），
"c"：range（1，10）
}
}
}
}
evaluator=evaluator（models，main_metric=accore，maximize_metric=true）
digits=数据集。load_digits（）
x，y=数字。data，digits.target
model=evaluator.evaluate（x，y）
print（model）
````
```
model:improved svc cleaner:dummycleaner accurity score:0.6511 time:0.86 sec
model:svc cleaner:dummycleaner精度得分：0.4179时间：0.89秒
svc（c=2，缓存大小=200，类权重=none，coef0=0.0，
决策函数_shape='ovr'，度=3，伽马=0.0111111111111112，
核=rbf'，max-iter=-1，概率=false，随机状态=none，
收缩=true，tol=0.001，verbose=false）如何获取多个度量？
```
来自sklearn.metrics import roc_auc_score，f1_score，accurity_score
来自sklearn_helper.model.evaluator import evaluator
models={
"dummyClassifier"：{
"model"：dummyClassifier（）
，
"svc"：{
"model"：svm.svc（）
}
}
evaluator=evaluator（models，main_metric=roc_auc_score，
additional_metrics=[f1_score，accurity_score]，
最大化度量=真）
数字=数据集。加载乳腺癌（）
x，y=数字。数据，数字。目标
模型=评估器。评估（x，
````
`````
````
模型：svc清洁剂：dummmy清洁剂：roc-auc评分：0.5000分；f1评分：0.7650分；准确度评分：0.6277分；时间：0.11秒；模型：dummmy分类器：dummmy清洁剂：dummmy清洁剂：roc-roc评分：0.11秒。u auc_u得分：0.4961 f1_u得分：0.6063准确度_u得分：0.5308时间：0.01sec
```
是：）
```
来自sklearn.metrics import accurity_score
来自sklearn_helper.model.evaluator import evaluator
来自sklearn_helper.data.datacleaner import datacleaner
来自sklearn_helper.data.dummycleaner import dummycleaner
class阈值（数据清理器）：
阈值=3
定义清除训练数据（self，x，y）：
返回self.清除x（x），y
定义清除测试数据（self，x）：
u x=np.拷贝（x）
u x[\u x<；=自我阈值]=0
u x[\u x>；自我阈值]=1
返回x
models={
"dummyClassifier"：{
"model"：dummyClassifier（）
}，
"svc"：{
"model"：svm.svc（c=2，gamma=0.0111）
}
}
evaluator=evaluator（models，data_cleaners=[thresholding（），dummyCleaner（）]，主要指标=准确度得分
>digits=dataset.load_digits（）
>x，y=digits.data，digits.target
model=evaluator.evaevaluate（x，y）
`````
`>
````>```
model:dummyClassifi器：dummyClassifi器：dummyCleaner；准确度得分：0.0940 `时间：0.0940 `时间：0.0.0940 `；时间：0.0.0.0.0 00秒
型号：DummyClassifier|清洁：阈值准确度评分：0.1035时间：0.00秒
模型：svc清洁：dummmy清洁准确度评分：0.6516；时间：0.87秒
模型：svc；清洁：阈值；准确度评分：0.8848；时间：0.28秒
````
准确度评分：0.8848；时间：0.28秒
```>br/>
br/>
https://github.com/aras7/scikit learn helper/tree/master/examples
\todo:
*添加单元测试
*为打印结果添加预测时间
*改进文档
*拆分器
*添加测试不同数据集的功能，作为"来自"的替代sklearn.model_selection import cross_val_score`.在数据清除器内部重新采样时，它可能很有用
*添加codecov.io支持
欢迎加入QQ群-->： 979659372
