mltools-mouhameddiouf 0.2.0

Utilitaires ML légers : normalisation, split, encodage, standardisation

mltools

Utilitaires ML légers : normalisation, train/test split, encodage one-hot, standardisation.

Auteur : Mouhamed Diouf

Installation

pip install mltools-mouhameddiouf

Utilisation

import numpy as np
from mltools import normalize, train_test_split, one_hot_encode, standardize

# Normalisation min-max (entre 0 et 1)
X = np.array([[1, 2], [3, 4], [5, 6]])
X_norm = normalize(X)

# Standardisation (moyenne 0, écart-type 1)
X_std = standardize(X)

# Découpage train/test
y = np.array([0, 1, 0])
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33)

# Encodage one-hot des labels
y_oh = one_hot_encode(y)

Fonctions disponibles

Fonction	Description
normalize(X)	Min-max scaling entre 0 et 1
standardize(X)	Standardisation (moyenne 0, écart-type 1)
train_test_split(X, y, test_size, random_state)	Découpe train/test
one_hot_encode(y)	Encodage one-hot d'un vecteur de labels

Développement

# Installer en mode éditable avec les extras dev
pip install -e ".[dev]"

# Lancer les tests
pytest tests/ -v --cov=src/mltools

# Vérifier le style
ruff check src/

# Vérifier les types
mypy src/mltools/

Licence

MIT — voir le fichier LICENSE.