构建和测试机器学习特性的库
featureforge的Python项目详细描述
这个库提供了一套在许多机器上都有用的工具 学习应用程序(分类、聚类、回归等) 如果您使用scikit learn(尽管这在 你有不同的算法)。
大多数机器学习问题涉及特征定义和 预处理。Feature Forge帮助您:
- Defining and documenting features
- Testing your features against specified cases and against randomly generated cases (stress-testing). This helps you making your application more robust against invalid/misformatted input data. This also helps you checking that low-relevance results when doing feature analysis is actually because the feature is bad, and not because there’s a slight bug in your feature code.
- Evaluating your features on a data set, producing a feature evaluation matrix. The evaluator has a robust mode that allows you some tolerance both for invalid data and buggy features.
- Experimentation: running, registering, classifying and reproducing experiments for determining best settings for your problems.
安装
只需pip install featureforge。
联系信息
Feature Forge版权所有©2014 Machinalis(http://www.machinalis.com/)。主要的 作者是:
- Javier Mansilla <jmansilla@machinalis.com> (jmansilla at github)
- Daniel Moisset <dmoisset@machinalis.com> (dmoisset at github)
- Rafael Carrascosa <rcarrascosa@machinalis.com> (rafacarrascosa at github)
欢迎任何意见和建议,官方渠道是 提交github请求或问题。
更改日志
- 0.1.6:
- 与稀疏矩阵相关的错误修复。
- 小文档改进。
- 减少了默认日志记录的详细程度。
- 0.1.5:
- 默认情况下使用稀疏numpy矩阵。
- 0.1.4:
- 已放弃使用架构库的分叉版本的需要。
- 0.1.3:
- 增加了对运行和生成实验统计信息的支持
- 0.1.2:
- 安装程序依赖项
- 0.1.1:
- 增加了对Python3的支持
- 增加了对单词包功能的支持
- 0.1:
- 初始版本