scikit pipes

Pipes de scikit

Scikit-learn Hub de tuberías prácticas predefinidas.

Este paquete todavía está en una etapa experimental.

Uso:

Instalar scikit-pipes

Aconsejamos instalar SCIKIT-Pipes utilizando un env de vista virtual, dentro del uso de env:

 PIP Instale Scikit-Pipes

Ejemplo: preprocesamiento simple

 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 )

Colegio de cambios

Consulte The ChangeLog para obtener notas sobre los cambios de Sklearn-Pipes

Enlaces importantes

• Repo de código fuente oficial: https://github.com/rodrigo-arenas/scikit-pipes/
• Descargar lanzamientos: https://pypi.org/project/scikit-pipes/
• Tracker de emisión: https://github.com/rodrigo-arenas/scikit-pipes/issues
• Documentación estable: https://scikit-pipes.readthedocs.io/en/stable/

Código fuente

Puede consultar la última versión de desarrollo con el comando:

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

Instale las dependencias de desarrollo:

 PIP install -r dev -requirements.txt

Consulte la última documentación en el desarrollo: https://scikit-pipes.readthedocs.io/en/latest/

Que contribuye

¡Las contribuciones siempre son bienvenidas! Si desea contribuir, asegúrese de leer la guía de contribución.

¡Gracias a las personas que están ayudando con este proyecto!

Pruebas

Después de la instalación, puede iniciar el conjunto de pruebas desde fuera del directorio de origen:

 skpipes de pytest