mlprotection 0.1.3

Библиотека для обнаружения аномалий и потенциально "отравленных" данных в датасетах

mlprotection

Библиотека для обнаружения аномалий и потенциально "отравленных" данных в датасетах, предназначенных для обучения моделей машинного обучения.

Информация о пакете

• Версия: 0.1.3
• Автор: ivblz
• Требования: Python >= 3.6

Системные требования

• pandas >= 1.3.0
• numpy >= 1.20.0
• scikit-learn >= 1.0.0
• matplotlib >= 3.4.0
• seaborn >= 0.11.0

Важное замечание

Библиотека mlprotection предоставляет инструменты для выявления потенциальных аномалий и несоответствий в данных. Важно понимать, что результаты анализа являются предположительными и требуют внимательной интерпретации со стороны пользователя. Библиотека не дает однозначных ответов о "правильности" или "неправильности" данных, а скорее указывает на области, которые могут потребовать дополнительного исследования. Ответственность за окончательные выводы и решения, принятые на основе анализа, полностью лежит на пользователе.

Установка

pip install -e .

или

pip install mlprotection

Использование

import mlprotection

# Загрузите ваш датасет
df = pd.read_csv('ваш_датасет.csv')

# Запустите проверку
# classification=True/False или число min_samples для DBSCAN
# save=True для сохранения подозрительных данных в `warning_data.csv` и обработанных данных в `treat_data.csv`
# visualize=True для отрисовки графиков (если возможно)
# backups=True для создания резервной копии исходного датасета
mlprotection.start(df, classification=False, save=True, visualize=False, backups=True)

Функции

• start(): Основная функция для запуска всех проверок.
• check_isolation_forest(): Проверка с использованием Isolation Forest.
• check_dbscan(): Проверка с использованием DBSCAN (полезна для кластеризованных данных).
• check_zscore(): Проверка на основе Z-оценки.
• create_backup(): Создание резервной копии датасета.