sanitize-ml-labels 1.0.23

如何安装此软件包？在

像往常一样，只需使用pip下载：

pip install sanitize_ml_labels

测试覆盖率

由于某些软件处理的覆盖率有时会得到稍微不同的结果，这里有两个结果：

我为什么需要这个？在

所以你有一些图和ML相关的标签。 因为我总是用同样的方法重命名和清理它们，所以我已经准备好了 这个包装总是以一种标准的方式对它们进行消毒。在

使用示例

这里有两个常见的示例：您有一组要规范化的度量或一组要规范化的模型名。在

额外的公用事业

因为我总是在轴规范化的同时使用度量清理，所以知道哪个轴是有用的 应在0和1之间最大化，以避免对度量产生任何可视化偏差。在

为此，我创建了方法is_normalized_metric，它在规范化给定的度量之后 根据已知的规范化指标（0到1之间的指标，是否还有其他名称）验证它？我想不出比这更好的了）。在

fromsanitize_ml_labelsimportis_normalized_metricis_normalized_metric("MSE")# Falseis_normalized_metric("acc")# Trueis_normalized_metric("accuracy")# Trueis_normalized_metric("AUROC")# Trueis_normalized_metric("auprc")# True

新功能和新问题

一如既往，对于新特性和问题，您可以打开一个新问题并请求请求。 拉取请求总是比较快的方法，但是我会在有时间的时候研究这些问题。在