metriccoders_ml_pypi

Modelllader für metrische Codierer

Überblick

Willkommen im Metrik -Codierer -Modell Loader PYPI -Paket -Quellcode. Ihre One-Stop-Lösung zum mühelos laden maschinellem Lernmodellen direkt aus dem GitHub-Repository des Modells für metrische Codierer. Dieses Python-Paket ist so konzipiert, dass das Abrufen und Integrieren von vorgebildeten Modellen, die auf GitHub gehostet werden, zu vereinfachen, sodass Sie sich auf die Magie Ihrer maschinellen Lernanwendungen konzentrieren können.

Merkmale

• GitHub -Integration : Nahe maschinelle Lernmodelle abrufen, die auf GitHub mit nur wenigen Codezeilen gehostet werden.
• Vielseitigkeit : kompatibel mit verschiedenen maschinellen Lernrahmen und Modellen, die in Github -Repositorys gespeichert sind.
• Einfach zu bedienen : minimales Setup und intuitive Funktionen für eine schnelle Integration in Ihre Projekte.
• Anpassbar : Passen Sie den Ladevorgang an Ihre spezifischen Projektanforderungen an.

Installation

pip install metriccoders_ml

Verwendung

Laden Sie ein Modell aus GitHub

 from ml_algorithms . algorithms import MLPowerEngine
from sklearn . datasets import load_iris

# Specify the GitHub repository URL
repo_url = "https://raw.githubusercontent.com/metriccoders/ml-models/main/classifiers/adaboostclassifier_10/model64_0.32271997615954084_SAMME.R/model.joblib"

# Load the model from GitHub
engine = MLPowerEngine ( repo_url )
ml_engine = engine . load_model ()
iris = load_iris ()
print ( ml_engine . predict ( iris . data ))

Beitrag

Beiträge sind willkommen! Wenn Sie Ideen für Verbesserungen, Fehlerbehebungen oder neue Funktionen haben, können Sie eine Pull -Anfrage senden.

Wie man einittest läuft

python -m unittest discover

Lizenz

Dieses Projekt ist unter der MIT -Lizenz lizenziert - Einzelheiten finden Sie in der Lizenzdatei.

Unterstützung

Für Fragen, Probleme oder Feedback öffnen Sie bitte ein Problem.

Lassen Sie uns maschinelle Lernmodelle aus den Metrik -Codierern modellieren lassen.