sklearn的包装器,使编写、调整和评估分类和回归系统更容易
sklearnsk的Python项目详细描述
scikit learn sidekick是一个易于编写的scikit learn包装器,调整和评估分类和回归系统
---
installation
----
install from the python package index:
`` pip install sklearnsk
或克隆此存储库并安装:
`` pip install.
分类或回归算法
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
**configurablelgorithm**抽象类为实现分类或回归算法提供模板。
如果遵循此模板,然后,您将能够轻松地调整和评估算法,而无需编写大量额外的重复代码。
此模板的主要思想是,它迫使您创建一个具有一致接口的类:所有算法都必须有一个拟合和预测方法,并且必须能够用一个属性实例化;配置字典。
最大深度)
*您可能要打开或关闭的单个功能或功能组
*生成功能所涉及的任何参数(例如,ngram范围、k-best功能选择的最大k值等)
如果您想要调整系统或执行任何功能
分析时使用任何旋钮,那么您应该能够通过更改配置字典来操作它们。
当您实现configurablelgorithm时,必须实现以下方法:
get_default_config()
应返回将键与默认值关联的字典。用于实例化算法
的配置字典将与此字典合并,以便。
---
installation
----
install from the python package index:
`` pip install sklearnsk
或克隆此存储库并安装:
`` pip install.
分类或回归算法
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
**configurablelgorithm**抽象类为实现分类或回归算法提供模板。
如果遵循此模板,然后,您将能够轻松地调整和评估算法,而无需编写大量额外的重复代码。
此模板的主要思想是,它迫使您创建一个具有一致接口的类:所有算法都必须有一个拟合和预测方法,并且必须能够用一个属性实例化;配置字典。
最大深度)
*您可能要打开或关闭的单个功能或功能组
*生成功能所涉及的任何参数(例如,ngram范围、k-best功能选择的最大k值等)
如果您想要调整系统或执行任何功能
分析时使用任何旋钮,那么您应该能够通过更改配置字典来操作它们。
当您实现configurablelgorithm时,必须实现以下方法:
get_default_config()
应返回将键与默认值关联的字典。用于实例化算法
的配置字典将与此字典合并,以便。