scikit pipes

Scikit-Pipes

Scikit-Learn Pipelines pratiques Pipelines Hub.

Ce package est toujours à un stade expérimental.

Usage:

Installer Scikit-Pipes

Nous vous conseillons d'installer Scikit-Pipes à l'aide d'un Env virtuel, à l'intérieur de l'utilisation Env:

 PIP installe des scikit-pipeaux

Exemple: prétraitement 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 )

Changelog

Voir le Changelog pour les notes sur les changements de sklearn-pipes

Liens importants

• Repo de code source officiel: https://github.com/rodrigo-arenas/scikit-pipes/
• Téléchargez les versions: https://pypi.org/project/scikit-pipes/
• Tracker de numéro: https://github.com/rodrigo-arenas/scikit-pipes/issues
• Documentation stable: https://scikit-pipes.readthedocs.io/en/stable/

Code source

Vous pouvez vérifier la dernière version de développement avec la commande:

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

Installez les dépendances de développement:

 pip install -r dev-requiments.txt

Consultez la dernière documentation en développement intérieur: https://scikit-pipes.readthedocs.io/en/latest/

Contributif

Les contributions sont toujours les bienvenues! Si vous souhaitez contribuer, assurez-vous de lire le guide de contribution.

Merci aux personnes qui aident avec ce projet!

Essai

Après l'installation, vous pouvez lancer la suite de test depuis l'extérieur du répertoire source:

 pytest skpipes