skll 1.5.3

命令行界面

我们提供的主要实用程序名为run_experiment，它可以用于 在配置文件中指定的数据集上轻松运行一系列学习程序 例如：

[General]experiment_name=Titanic_Evaluate_Tuned# valid tasks: cross_validate, evaluate, predict, traintask=evaluate[Input]# these directories could also be absolute paths# (and must be if you're not running things in local mode)train_directory=traintest_directory=dev# Can specify multiple sets of feature files that are merged together automatically# (even across formats)featuresets=[["family.ndj", "misc.csv", "socioeconomic.arff", "vitals.csv"]]# List of scikit-learn learners to uselearners=["RandomForestClassifier", "DecisionTreeClassifier", "SVC", "MultinomialNB"]# Column in CSV containing labels to predictlabel_col=Survived# Column in CSV containing instance IDs (if any)id_col=PassengerId[Tuning]# Should we tune parameters of all learners by searching provided parameter grids?grid_search=true# Function to maximize when performing grid searchobjectives=['accuracy'][Output]# Also compute the area under the ROC curve as an additional metricmetrics=['roc_auc']# The following can/should be absolute pathslog=outputresults=outputpredictions=outputmodels=output

有关开始使用run_experiment的详细信息，请检查 输出our tutorial，或 our config file specs。

我们还提供以下实用程序：

• converting between machine learning toolkit formats （例如，arff、csv、megam）
• filtering feature files
• joining feature files
• other common tasks

python api

如果你只是想避免编写大量样板学习代码，你可以 还可以使用我们的简单python api，它还支持pandas数据帧。 使用api的主要方法是 Learner和Reader类。有关我们的api的更多详细信息，请参见 the documentation。

虽然我们的api可以广泛地使用，但应该注意的是，命令行 实用程序是使用skll的主要方式。这个api只是一个很好的 我们发展公用事业的副作用。

发音注意事项

scikit learn laboratory（skll）的发音是“骷髅”：这就是学习的地方 发生。

要求

• Python2.7+
• scikit-learn
• six
• PrettyTable
• BeautifulSoup 4
• Grid Map（仅当您计划 在兼容drmaa的集群上并行运行）
• joblib
• ruamel.yaml
• configparser（仅适用于 Python2.7）
• logutils（仅适用于python 2.7）
• mock（仅适用于python 2.7）

对于其他功能，可以选择安装以下软件包 但不是必需的：

• pandas（可选）
• seaborn（可选）

谈话

• simpler machine learning with skll 1.0，dan blanchard，Pydata NYC 2014（videoslides）
• simpler machine learning with skll，dan blanchard，Pydata NYC 2013（videoslides）

书籍

skll在Data Science at the Command Line中出现 通过Jeroen Janssens。

更改日志

见GitHub releases。