scikit pipes

scikit-pipes

Scikit-Learn عملية أنابيب محددة مسبقًا محددة مسبقًا.

هذه الحزمة لا تزال في مرحلة تجريبية.

الاستخدام:

تثبيت scikit-pipes

ننصح بتثبيت scikit-pipes باستخدام Env الظاهري ، داخل استخدام ENV:

 PIP تثبيت scikit-pipes

مثال: المعالجة المسبقة البسيطة

 import pandas as pd
import numpy as np
from skpipes . pipeline import SkPipeline

data = [{ "x1" : 1 , "x2" : 400 , "x3" : np . nan },
        { "x1" : 4.8 , "x2" : 250 , "x3" : 50 },
        { "x1" : 3 , "x2" : 140 , "x3" : 43 },
        { "x1" : 1.4 , "x2" : 357 , "x3" : 75 },
        { "x1" : 2.4 , "x2" : np . nan , "x3" : 42 },
        { "x1" : 4 , "x2" : 287 , "x3" : 21 }]

df = pd . DataFrame ( data )

pipe = SkPipeline ( name = 'median_imputer-minmax' ,
                  data_type = "numerical" )
pipe . steps
str ( pipe )

pipe . fit ( df )
pipe . transform ( df )
pipe . fit_transform ( df )

Changelog

انظر changelog للحصول على ملاحظات حول تغييرات sklearn-pipes

روابط مهمة

• رمز المصدر الرسمي repo: https://github.com/rodrigo-arenas/scikit-pipes/
• تنزيل الإصدارات: https://pypi.org/project/scikit-pipes/
• تعقب العدد: https://github.com/rodrigo-arenas/scikit-pipes/issues
• وثائق مستقرة: https://scikit-pipes.readthedocs.io/en/stable/

رمز المصدر

يمكنك التحقق من أحدث إصدار تطوير مع الأمر:

 git clone https://github.com/rodrigo-arenas/scikit-pipes.git

تثبيت تبعيات التطوير:

 PIP تثبيت -r dev-requirements.txt

تحقق من أحدث وثائق التطوير: https://scikit-pipes.readthedocs.io/en/latest/

المساهمة

المساهمات دائما موضع ترحيب! إذا كنت ترغب في المساهمة ، فتأكد من قراءة دليل المساهمة.

بفضل الأشخاص الذين يساعدون في هذا المشروع!

الاختبار

بعد التثبيت ، يمكنك تشغيل مجموعة الاختبار من خارج الدليل المصدر:

 pytest skpipes