scikit mlm
0.1.0
scikit-mlm ist ein Python-Modul, das die maschinelle Lernentechnik für minimale Lernmaschine (MLM) unter Verwendung der Scikit-Learn-API implementiert.
Das scikit-mlm Paket ist in PYPI erhältlich. Zum Installieren einfach den folgenden Befehl eingeben:
pip install scikit-mlm
--user für die obigen Befehle verwenden, um an einem nicht-System-Ort zu installieren (abhängig von Ihrer Umgebung). Alternativ können Sie die pip -Befehle mit sudo ausführen (nicht empfohlen).--use-wheel -Option hinzufügen, wenn Sie eine ältere pip Version haben (Räder sind jetzt das Standard-Binärpaketformat für pip ). Beispiel für die Klassifizierung mit dem nächsten Nachbar -MLM -Klassifizierer:
from skmlm import NN_MLM
from sklearn . preprocessing import MinMaxScaler
from sklearn . model_selection import cross_val_score
from sklearn . pipeline import make_pipeline
from sklearn . datasets import load_iris
# load dataset
dataset = load_iris ()
clf = make_pipeline ( MinMaxScaler (), NN_MLM ( rp_number = 20 ))
scores = cross_val_score ( clf , dataset . data , dataset . target , cv = 10 , scoring = 'accuracy' )
print ( 'AVG = %.3f, STD = %.3f' % ( scores . mean (), scores . std ())) Wenn Sie scikit-mlm in Ihrem Papier verwenden, zitieren Sie diese bitte in Ihrer Veröffentlichung.
@misc{scikit-mlm,
author = "Madson Luiz Dantas Dias",
year = "2019",
title = "scikit-mlm: An implementation of {MLM} for scikit-learn framework",
url = "https://github.com/omadson/scikit-mlm",
doi = "10.5281/zenodo.2875802",
institution = "Federal University of Cear'{a}, Department of Computer Science"
}
Dieses Projekt ist für Beiträge offen. Hier finden Sie einige Möglichkeiten für Sie:
Um einen Beitrag zu leisten, geben Sie dieses Repository nur, drücken Sie die Änderungen in Ihrer Gabel, öffnen Sie ein Problem und stellen Sie eine Pull -Anfrage vor!
Liste der Methoden, die in den nächsten Veröffentlichungen implementiert werden:
