An easy-to-use ML framework
Project description
classicML
简单易用的经典机器学习框架,classicML支持数种机器学习算法,是你入门学习机器学习的首选
重要信息⚠️
-
推荐你直接使用pip安装预编译的软件包(stable version)
-
安装Python版本(没有加速)
pip install classicML-python
-
安装CPP版本(只支持macOS和Linux)
pip install classicML
-
-
从GitHub上下载源码进行编译安装, 请预装依赖的CPP库
- Eigen 3.3.7+
- pybind 2.6+
- 并且保证c++的最低版本为c++14
git clone https://github.com/sun1638650145/classicML.git cd classicML python3 setup.py install
-
部分算法支持了使用CPP作为后端进行加速,你需要在开头使用这条语句切换后端
import os os.environ['CLASSICML_ENGINE'] = 'CC'
-
0.5版本的API接口略有改动, 修改了部分模块的路径, 结构更为合理.
-
0.5版本添加benchmark模块可以监控内存和时间开销.
目前的已支持的算法
算法名称 | 支持多分类 | 使用CC加速 | 可视化 | 同时处理离散和连续值 |
---|---|---|---|---|
逻辑回归 | ✅ | |||
线性判别分析 | ✅ | ✅ | ||
BP神经网络$^{1,2}$ | ✅ | ✅ | ✅ | |
径向基函数神经网络$^2$ | ✅ | |||
支持向量分类器 | ✅ | ✅ | ||
分类决策树 | ✅ | ✅ | ✅ | ✅ |
朴素贝叶斯分类器 | ✅ | ✅ | ✅ | |
平均独依赖估计器 | ✅ | ✅ | ||
超父独依赖估计器 | ✅ | ✅ | ✅ |
-
全部神经网络只能可视化损失和评估函数曲线,暂不能可视化结构信息
-
其中BP神经网络需要手动将离散值转换成dummy编码
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-0.5.tar.gz
(40.8 kB
view hashes)
Built Distributions
Close
Hashes for classicML-0.5-cp38-cp38-manylinux2010_x86_64.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | 6a589ad8e18c4899d315949eeab65ab6992afb9e4fb7aea975d1cc22c6ccf720 |
|
MD5 | e0969b3d45651d2ccae7f0875bb9b204 |
|
BLAKE2b-256 | 9d36b6a37db9da6aa520abe45f144bbca2d84206b929b354b84e6d666ea70ce3 |
Close
Hashes for classicML-0.5-cp38-cp38-macosx_10_14_x86_64.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | 9583c03c11e7ba872034bcc6c79a2e0ccf0e16dc42a3c15b7eb04bbea55937c2 |
|
MD5 | dab607925362d0afccd3e963096448b0 |
|
BLAKE2b-256 | 2779928c55d8b143e85097ec4c86678949151c9281b855a445a53de39b07ffe9 |
Close
Hashes for classicML-0.5-cp37-cp37m-manylinux2010_x86_64.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | 59f0025bbf38be45df16357aaabe697efb2f4e310d0d67486e10da9e68cb9f38 |
|
MD5 | 564ebf0fea6b1a60173a5ae593497271 |
|
BLAKE2b-256 | 9c3a464a6209fce6e1b9ab60d6620610bba5ea934d284c38e3d7958b21d54698 |
Close
Hashes for classicML-0.5-cp37-cp37m-macosx_10_14_x86_64.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | b9702910ab59b91f9086a385f567d55d330ae82f19e692c64c7451b63fcf1ff5 |
|
MD5 | 5720544d54bb96f52add7f1b98215ee1 |
|
BLAKE2b-256 | 58c84ca0a4203683db6878ded7da417e871047f838eda834771923d60625bce4 |
Close
Hashes for classicML-0.5-cp36-cp36m-manylinux2010_x86_64.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | f25a2ec3143f29119508b965248e63650acf93d08d0496392eec866b075f9733 |
|
MD5 | 5f75641e3501ad38233d4b89d238667c |
|
BLAKE2b-256 | 97ea9b1d57710bc653e20f55851043f2de87cd9b40e20fc6ecdd736673f7fd75 |
Close
Hashes for classicML-0.5-cp36-cp36m-macosx_10_14_x86_64.whl
Algorithm | Hash digest | |
---|---|---|
SHA256 | de16e149cece293bf7c57c17bea135da2cc7edf96bed60419e99d70d8fea6b58 |
|
MD5 | d727c583b436f9f39b9e1ba0ef9d5cf8 |
|
BLAKE2b-256 | 9fdb3e3bd98fbfbf98a003a2da0c565baf4510f0cf7a9a2820612664a2af2f12 |