easyml-framework 1.2.0

Framework ML ultra-simple avec cache intelligent, ensemble learning et monitoring automatique

🚀 EasyML Framework

Un framework Machine Learning simplifié et complet pour Python qui rend l'IA accessible à tous.

✨ Fonctionnalités

• 🔧 AutoML - Machine Learning automatisé en quelques lignes
• 📊 Preprocessing - Nettoyage et préparation de données intelligent
• 🤖 Modèles - Classification, régression, clustering, NLP
• 📈 Visualisation - Graphiques et métriques automatiques
• 🚀 Déploiement - Export de modèles prêts pour la production
• ⚡ Performance - Optimisations automatiques et parallélisation

🛠️ Installation

# Installation de base
pip install easyml-framework

# Installation complète avec toutes les dépendances
pip install easyml-framework[deep,nlp,viz]

# Installation en mode développement
pip install easyml-framework[dev]

🚀 Démarrage Rapide

Classification Automatique

import easyml as ez

# Charger vos données
model = ez.AutoClassifier()
model.fit('data.csv', target='label')

# Prédictions automatiques
predictions = model.predict('new_data.csv')

# Évaluation complète
model.evaluate()

Preprocessing Intelligent

# Nettoyage automatique
cleaner = ez.DataCleaner()
clean_data = cleaner.transform('messy_data.csv')

# Feature engineering
features = ez.FeatureEngine()
enhanced_data = features.generate_features(clean_data)

Visualisation Automatique

# Analyse exploratoire automatique
ez.explore_data('data.csv')

# Visualisation de modèle
model.plot_results()
model.plot_feature_importance()

📚 Exemples Complets

Prédiction de Prix Immobilier

import easyml as ez

# 1. Chargement et exploration
data = ez.load_data('houses.csv')
ez.explore_data(data)

# 2. Preprocessing automatique
cleaner = ez.DataCleaner(auto_encode=True, handle_missing='smart')
data_clean = cleaner.fit_transform(data)

# 3. Modèle de régression
model = ez.AutoRegressor(optimization='auto', cv_folds=5)
model.fit(data_clean, target='price')

# 4. Évaluation et export
results = model.evaluate()
model.save('house_price_model.pkl')

Classification de Sentiment

import easyml as ez

# NLP automatique
nlp_model = ez.TextClassifier()
nlp_model.fit('reviews.csv', text_column='comment', target='sentiment')

# Prédiction sur nouveau texte
sentiment = nlp_model.predict("Ce produit est fantastique!")
print(f"Sentiment: {sentiment}")  # Positif

🔧 API Complète

Classes Principales

• ez.AutoClassifier() - Classification automatique
• ez.AutoRegressor() - Régression automatique
• ez.TextClassifier() - Classification de texte
• ez.TimeSeriesPredictor() - Prédiction temporelle
• ez.ClusterAnalyzer() - Analyse de clustering
• ez.DataCleaner() - Nettoyage de données
• ez.FeatureEngine() - Feature engineering

Utilitaires

• ez.load_data() - Chargement intelligent de données
• ez.explore_data() - Analyse exploratoire automatique
• ez.compare_models() - Comparaison de modèles
• ez.deploy_model() - Déploiement en API

📊 Métriques et Visualisations

EasyML génère automatiquement :

• Matrices de confusion
• Courbes ROC et AUC
• Feature importance
• Courbes d'apprentissage
• Analyse de résidus
• Métriques de performance complètes

🚀 Installation et Tests

# Cloner le repository
git clone https://github.com/easyml/easyml-framework.git
cd easyml-framework

# Installation en mode développement
pip install -e .[dev]

# Lancer les tests
pytest tests/

# Lancer les exemples
python examples/classification_example.py

📖 Documentation

• Guide Utilisateur Complet
• Référence API
• Exemples Avancés
• Tutoriels Vidéo

🤝 Contribution

Les contributions sont les bienvenues ! Voir CONTRIBUTING.md

📄 Licence

MIT License - voir LICENSE

🆘 Support

• 📧 Email: [e-mail]
• 💬 Discord: EasyML Community
• 🐛 Issues: GitHub Issues