python机器学习框架
PyA的Python项目详细描述
设计灵活且易于使用的通用Python机器学习框架。它建立在scikit learn、numpy、scipy和一些自定义编写的算法之上。
2.x版中的新功能:
完全重写主代码库,以便于添加新算法和更干净的代码
要测试它,只需运行:
导入pyai
pyai.test()
库中的主要对象是Brain类(PyAI.Brain)使用它,您可以访问框架中的所有功能。
brain=pyai.brain(x_data=data,y_labels=labels,y_data=reg_data)
|这个大脑对象有两种操作模式:分类和回归。
如果要执行分类(离散)预测,请使用y_labels属性
如果要执行回归(连续)预测,请使用y_data属性
或者您也可以同时提供
然后,必须通过执行以下操作来初始化可用的算法之一:
大脑初始化
例如
brain.init_集群(n_集群=5)
目前,可用的算法有
-群集
-邻居
-支持向量机
-gmm
-天真的
然后可以应用任意数量的预测方法,以便使用模型进行预测
大脑预测
例如
大脑。预测聚类标签(测试数据)
大脑预测SVM数据(测试数据)
XXX必须与已初始化的算法匹配
| yyy可以分别是分类和回归的“标签”或“数据”
2.x版中的新功能:
完全重写主代码库,以便于添加新算法和更干净的代码
要测试它,只需运行:
导入pyai
pyai.test()
库中的主要对象是Brain类(PyAI.Brain)使用它,您可以访问框架中的所有功能。
brain=pyai.brain(x_data=data,y_labels=labels,y_data=reg_data)
|这个大脑对象有两种操作模式:分类和回归。
如果要执行分类(离散)预测,请使用y_labels属性
如果要执行回归(连续)预测,请使用y_data属性
或者您也可以同时提供
然后,必须通过执行以下操作来初始化可用的算法之一:
大脑初始化
例如
brain.init_集群(n_集群=5)
目前,可用的算法有
-群集
-邻居
-支持向量机
-gmm
-天真的
然后可以应用任意数量的预测方法,以便使用模型进行预测
大脑预测
例如
大脑。预测聚类标签(测试数据)
大脑预测SVM数据(测试数据)
XXX必须与已初始化的算法匹配
| yyy可以分别是分类和回归的“标签”或“数据”