scikit mlm

Scikit-MLM

scikit-mlm是使用Scikit-Learn API實現最小學習機（MLM）機器學習技術的Python模塊。

安裝

scikit-mlm軟件包可在PYPI中找到。要安裝，只需鍵入以下命令：

 pip install scikit-mlm

有問題？

• 您可能需要使用上述命令的--user標誌來安裝在非系統位置（取決於您的環境）。另外，您可以使用sudo執行pip命令（不建議）。
• 如果您擁有較舊的pip版本（現在是pip的默認二進制軟件包格式），則可能需要添加--use-wheel選項。

基本用法

與最近的鄰居MLM分類器分類的示例：

 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

如果您在論文中使用scikit-mlm ，請在出版物中引用它。

 @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" 
}

貢獻

該項目開放供款。以下是您貢獻的一些方法：

• 錯誤報告/修復
• 功能請求
• 用例演示

為了做出貢獻，只需分叉這個存儲庫，請推動叉子的更改，打開問題並提出拉動請求！

實施技術列表

• 原始回歸（MLMR）
• 原始分類（MLMC）
• 最近的鄰居傳銷（nn_mlm）
• 對面的鄰居傳銷（on_mlm）
• 模糊C-Means MLM（FCM_MLM）
• 最佳選擇的MLM（OS_MLM）
• ℓ1 _/2-正則化MLM（L12_MLM）
• 加權的MLM（W_MLM）
• 排名MLM（R_MLM）（WIP）
• 立方方程MLM（C_MLM）

未來的改進

將在下一個發行版中實現的方法列表：

• 預期平方距離MLM（ESD-MLM）
• 基於投票的MLM（V-MLM）
• 基於加權投票的MLM（WV-MLM）
• 基於隨機抽樣投票的MLM（RSV-MLM）
• 隨機採樣基於加權投票的MLM（RSWV-MLM）
• 拒絕選項MLM（RENJO-MLM）
• 拒絕期權加權MLM（RenJo-WMLM）

貢獻者

• 麥德森迪亞斯

致謝

• 感謝@jamesritchie，該項目的最初想法是在Scikit-RVM repo上啟發的