scikit pipes

Scikit-Pipes

Scikit-Learn Praktische vordefinierte Pipelines Hub.

Dieses Paket befindet sich noch in einer experimentellen Phase.

Verwendung:

Installieren Sie Scikit-Pipes

Wir empfehlen, Scikit-Pipes mit einer virtuellen Umwelt innerhalb der Env-Verwendung zu installieren:

 PIP Installieren Sie Scikit-Pipes

Beispiel: Einfache Vorverarbeitung

 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

Weitere Informationen zu den Änderungen der Sklearn-Pipes finden Sie im Changelog

Wichtige Links

• Offizieller Quellcode Repo: https://github.com/rodrigo-arenas/scikit-pipes/
• Veröffentlichungen herunterladen: https://pypi.org/project/scikit-pipes/
• Issue Tracker: https://github.com/rodrigo-arenas/scikit-pipes/issues
• Stabile Dokumentation: https://scikit-pipes.readthedocs.io/en/stable/

Quellcode

Sie können die neueste Entwicklungsversion mit dem Befehl überprüfen:

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

Installieren Sie die Entwicklungsabhängigkeiten:

 PIP install -r Dev -requirements.txt

Sehen Sie sich die neueste Dokumentation zur Entwicklung an: https://scikit-pipes.readthedocs.io/en/latest/

Beitragen

Beiträge sind immer willkommen! Wenn Sie einen Beitrag leisten möchten, lesen Sie den Beitragsanleitung.

Vielen Dank an die Leute, die bei diesem Projekt helfen!

Testen

Nach der Installation können Sie die Testsuite von außerhalb des Quellverzeichnisses starten:

 PyTest Skpipes