scikit mlm

scikit-mlm

scikit-mlm adalah modul Python yang mengimplementasikan teknik pembelajaran mesin minimal (MLM) menggunakan API Scikit-Learn.

Instalasi

Paket scikit-mlm tersedia di PYPI. Untuk menginstal, cukup ketik perintah berikut:

 pip install scikit-mlm

Mengalami masalah?

• Anda mungkin perlu menggunakan bendera --user untuk perintah di atas untuk menginstal di lokasi non-sistem (tergantung pada lingkungan Anda). Atau, Anda dapat menjalankan perintah pip dengan sudo (tidak disarankan).
• Anda mungkin perlu menambahkan opsi --use-wheel jika Anda memiliki versi pip yang lebih lama (roda sekarang menjadi format paket biner default untuk pip ).

penggunaan dasar

Contoh Klasifikasi dengan Klasifikasi MLM tetangga terdekat:

 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 ()))

cara mengutip scikit-mlm

Jika Anda menggunakan scikit-mlm di makalah Anda, silakan kutip di publikasi Anda.

 @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" 
}

berkontribusi

Proyek ini terbuka untuk kontribusi. Berikut adalah beberapa cara bagi Anda untuk berkontribusi:

• Laporan Bug/Perbaiki
• Fitur Permintaan
• Demonstrasi kasus penggunaan

Untuk memberikan kontribusi, hanya garpu repositori ini, dorong perubahan di garpu Anda, buka masalah, dan buat permintaan tarik!

Daftar Teknik yang Diimplementasikan

• Regresi Asli (MLMR)
• Klasifikasi Asli (MLMC)
• MLM tetangga terdekat (nn_mlm)
• MLM Lingkungan yang berlawanan (ON_MLM)
• Fuzzy C-Means MLM (FCM_MLM)
• MLM yang dipilih secara optimal (OS_MLM)
• ℓ _1/2 -Norm regularisasi MLM (L12_MLM)
• MLM tertimbang (W_MLM)
• Peringkat MLM (R_MLM) (WIP)
• Persamaan kubik MLM (C_MLM)

perbaikan di masa depan

Daftar metode yang akan diimplementasikan dalam rilis berikutnya:

• Jarak kuadrat yang diharapkan MLM (ESD-MLM)
• MLM Berbasis Voting (V-MLM)
• MLM berbasis pemungutan suara tertimbang (WV-MLM)
• MLM Berbasis Vote Pengambilan Sampel Acak (RSV-MLM)
• Pengambilan Sampel Acak MLM Berbasis Vote Berat (RSWV-MLM)
• Tolak Opsi MLM (Renjo-MLM)
• Tolak opsi MLM tertimbang (renjo-wmlm)

kontributor

• Madson Dias

pengakuan

• Terima kasih untuk @jamesritchie, ide awal proyek ini terinspirasi pada repo Scikit-RVM