An easy-to-use ML framework
Project description
classicML: 简单易用的经典机器学习框架
classicML 是一个用Python和C++混编的机器学习项目,它既实现了Python的简单易用快速上手,又实现了C++的高效性能。classicML的设计目标是简单易用,快速入门,编程风格简洁。
多后端支持
classicML 本身是一个Python项目,但是机器学习中涉及到的复杂的矩阵运算对于Python有点儿捉襟见肘,因此我们提供了使用C++后端的函数的加速版本。为了保证兼容性,classicML默认使用Python后端,部分算法支持了使用C++作为后端进行加速,你需要安装标准版的classicML,然后在开头使用这条语句切换后端。
import os
os.environ['CLASSICML_ENGINE'] = 'CC'
第一个机器学习程序
使用线性判别分析进行二分类
- 下载示例数据集
wget https://github.com/sun1638650145/classicML/blob/master/datasets/西瓜数据集alpha.csv
- 运行下面的代码
import pandas as pd
import classicML as cml
DATASET_PATH = '/path/to/西瓜数据集alpha.csv'
# 读取数据
dataframe = pd.read_csv(DATASET_PATH, index_col=0, header=0)
x = dataframe.iloc[:, :2].values
y = dataframe.iloc[:, 2].values
y[y == '是'] = 1
y[y == '否'] = 0
# 生成模型
model = cml.models.LDA()
# 训练模型
model.fit(x, y)
# 可视化模型
cml.plots.plot_lda(model, x, y, '密度', '含糖率')
classicML 0.6 预览
这个发行版将以性能优化和原生支持Apple Silicon为更新目标
- 原生支持(native support) Apple M1
- 增加大量
C++
后端函数,将主要的操作全部用C++
重写,大幅提高性能- 修复BUG,提高稳定性
Project details
Release history Release notifications | RSS feed
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
classicML-python-0.6b3.tar.gz
(42.2 kB
view hashes)
Built Distribution
Close
Hashes for classicML_python-0.6b3-py3-none-any.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | fa3f3960ef74b4098d8f55fe6df92910598afecc58d5d3c1b030d77e5426755e |
|
MD5 | ef6e773b1ff430c8099a1edebf32b136 |
|
BLAKE2b-256 | 57e79484b36d02d56fa6ac50fe11e39ef9cbc3600c8f19dff3cde2a5df0b00dd |