Aplicação para facilitar a criação de pipelines para desenvovimento de algoritmos de Machine Learning
Project description
multiverseML
Aplicação para a criação de pipelines para desenvovimento de algoritmos de Machine Learning. A ideia é facilitar o acompanhamento das alterações de modelos, métricas e parâmetros sem preocupação com organização.
O multiverseML vem com a ideia de organizar o desenvolvimento no conceito de Multiverso.
O conceito de Multiverso tem suas raízes em extrapolações, até o momento não científicas, da moderna Cosmologia e na Teoria Quântica, e engloba também várias ideias oriundas da Teoria da Relatividade de modo a configurar um cenário em que pode ser possível a existência de inúmeros Universos onde, em escala global, todas as probabilidades e combinações ocorrem em algum dos universos. Simplesmente por haver espaço suficiente para acoplar outros universos numa estrutura dimensional maior: o chamado Multiverso. https://pt.wikipedia.org/wiki/Multiverso_(ci%C3%AAncia)
Dito isso, o multiverseML organizará o seu modelo nos conceitos de:
- Multiverse(Multiverso): Diretório central de armazenamento de todos os universos.
- Universe(Universo): O universo é todo arquivo no qual exista um monitoramento ativo. Um universo pode ser um desafio a ser resolvido, como uma identificação de fraude ou um reconhecimento de imagem.
- Timeline(Linha do Tempo): Cada Universo terá multiplas linhas temporais. Cada linha temporal será uma execução com sucesso do monitoramento. Cada linha temporal pode ter um modelo diferente, métricas diferentes e parâmetros diferentes. A timeline é baseada no versionamento do Git.
- Reality(Realidade): Realidade é a linha do tempo eleita para produção. Poder ser disponibilizado um servidor HTTP ou um processo Batch.
Instalação versão 0.1.6-Alpha
pip install multiverseML
Utilização
Para utilização é necessário primeiramente a importação do módulo:
import multiverseml
Após, será necessário definir qual será o nome do universo a ser criado. Seja criativo!
universe = 'theoretical'
Então criamos uma variável model com a finalidade de armazenar o nome e o modelo utilizado ("lr" no exemplo é um modelo de regressão linear).
model = {
'name': 'Linear Regression',
'model': lr
}
Agora vamos rastrear as métricas:
metrics = {
'rmse': rmse,
'r2': r2,
'mae': mae
}
É possível também adicionar os parâmetros utilizados para o modelo.
param = {
'alpha': alpha,
'l1_ratio': l1_ratio
}
Por fim, deve-se enviar os dados para o MultiverseML.
multiverseml.metrics(universe, model, metrics, param)
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.