scikit pipes

SCITIT-PIPES

SCIKIT-LEARN HUB PERLAKUAN PRAKTIS yang telah ditentukan sebelumnya.

Paket ini masih pada tahap eksperimental.

Penggunaan:

Instal scikit-pipa

Kami menyarankan untuk menginstal pipa scikit menggunakan env virtual, di dalam env use:

 PIP menginstal scikit-pipa

Contoh: Preprocessing sederhana

 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

Lihat Changelog untuk Catatan tentang Perubahan SKLEARN-PIPES

Tautan penting

• Kode Sumber Resmi Repo: https://github.com/rodrigo-arenas/scikit-pipes/
• Unduh Rilis: https://pypi.org/project/scikit-pipes/
• Tracker masalah: https://github.com/rodrigo-arenas/scikit-pipes/issues
• Dokumentasi Stabil: https://scikit-pipes.readthedocs.io/en/stable/

Kode Sumber

Anda dapat memeriksa versi pengembangan terbaru dengan perintah:

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

Pasang dependensi pengembangan:

 Pip instal -r dev -requirements.txt

Periksa dokumentasi in-development terbaru: https://scikit-pipes.readthedocs.io/en/latest/

Berkontribusi

Kontribusi selalu diterima! Jika Anda ingin berkontribusi, pastikan untuk membaca panduan kontribusi.

Terima kasih kepada orang -orang yang membantu proyek ini!

Pengujian

Setelah instalasi, Anda dapat meluncurkan test suite dari luar direktori sumber:

 SKPIPES PYTEST