scikit mlm

Scikit-MLM

scikit-mlm是使用Scikit-Learn API实现最小学习机（MLM）机器学习技术的Python模块。

安装

scikit-mlm软件包可在PYPI中找到。要安装，只需键入以下命令：

 pip install scikit-mlm

有问题？

• 您可能需要使用上述命令的--user标志来安装在非系统位置（取决于您的环境）。另外，您可以使用sudo执行pip命令（不建议）。
• 如果您拥有较旧的pip版本（现在是pip的默认二进制软件包格式），则可能需要添加--use-wheel选项。

基本用法

与最近的邻居MLM分类器分类的示例：

 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 ()))

如何引用Scikit-MLM

如果您在论文中使用scikit-mlm ，请在出版物中引用它。

 @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" 
}

贡献

该项目开放供款。以下是您贡献的一些方法：

• 错误报告/修复
• 功能请求
• 用例演示

为了做出贡献，只需分叉这个存储库，请推动叉子的更改，打开问题并提出拉动请求！

实施技术列表

• 原始回归（MLMR）
• 原始分类（MLMC）
• 最近的邻居传销（nn_mlm）
• 对面的邻居传销（on_mlm）
• 模糊C-Means MLM（FCM_MLM）
• 最佳选择的MLM（OS_MLM）
• ℓ1 _/2-正则化MLM（L12_MLM）
• 加权的MLM（W_MLM）
• 排名MLM（R_MLM）（WIP）
• 立方方程MLM（C_MLM）

未来的改进

将在下一个发行版中实现的方法列表：

• 预期平方距离MLM（ESD-MLM）
• 基于投票的MLM（V-MLM）
• 基于加权投票的MLM（WV-MLM）
• 基于随机抽样投票的MLM（RSV-MLM）
• 随机采样基于加权投票的MLM（RSWV-MLM）
• 拒绝选项MLM（RENJO-MLM）
• 拒绝期权加权MLM（RenJo-WMLM）

贡献者

• 麦德森迪亚斯

致谢

• 感谢@jamesritchie，该项目的最初想法是在Scikit-RVM repo上启发的