scikit mlm
0.1.0
scikit-mlm est un module Python implémentant la technique d'apprentissage automatique d'apprentissage minimal (MLM) à l'aide de l'API Scikit-Learn.
Le package scikit-mlm est disponible dans PYPI. Pour installer, tapez simplement la commande suivante:
pip install scikit-mlm
--user pour les commandes ci-dessus pour s'installer dans un emplacement sans système (dépend de votre environnement). Alternativement, vous pouvez exécuter les commandes pip avec sudo (non recommandée).--use-wheel si vous avez une version pip plus ancienne (les roues sont désormais le format de package binaire par défaut pour pip ). Exemple de classification avec le classificateur MLM voisin le plus proche:
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 ())) Si vous utilisez scikit-mlm dans votre article, veuillez le citer dans votre publication.
@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"
}
Ce projet est ouvert aux contributions. Voici quelques-unes des façons pour vous de contribuer:
Pour apporter une contribution, juste fourchez ce référentiel, poussez les modifications de votre fourchette, ouvrez un problème et faites une demande de traction!
Liste des méthodes qui seront implémentées dans les prochaines versions:
