trainedml 0.1.1

Simple ML training framework

trainedml

trainedml est un package Python qui fournit des outils simples pour charger des jeux de données publics, entraîner et comparer des modèles de machine learning, et visualiser les résultats de manière intuitive.

---

📦 Installation

🔹 Installation depuis TestPyPI (recommandé pour les tests)

python -m pip install --index-url https://test.pypi.org/simple/ trainedml --upgrade
# oubien
pip install --index-url https://test.pypi.org/simple/ --extra-index-url https://pypi.org/simple trainedml

⚠️ L’option --no-deps est nécessaire car TestPyPI ne contient pas toujours toutes les dépendances.

Si besoin, installe ensuite les dépendances séparément :

pip install -r requirements.txt

---

🔹 Installation classique (depuis les sources)

git clone https://github.com/diamankayero/trainedml.git
cd trainedml
pip install -r requirements.txt

---

🚀 Fonctionnalités principales

• Chargement de jeux de données publics (ex : Iris)

• Modèles implémentés :

  • KNN (classification et régression)
  • Régression logistique
  • Random Forest (classification et régression)
  • Régression linéaire, Ridge, Lasso

• Visualisations :

  • Heatmap
  • Histogrammes
  • Courbes
  • Boxplots, bivarié, valeurs manquantes, outliers, normalité, multicolinéarité, profiling

• API simple pour :

• Exemples avancés :

  • Benchmark de modèles de régression

  • Analyse exploratoire complète (profiling, multicolinéarité, normalité)

  • Visualisation de la distribution de la cible (régression)

  • l’entraînement

  • l’évaluation

  • la comparaison de modèles

---

🧪 Exemple d’utilisation

from trainedml.data.loader import DataLoader
from trainedml.models.knn import KNNModel
from trainedml.visualization import Visualizer

# Chargement des données
iris = DataLoader().load_iris()

# Entraînement d'un modèle
X = iris.drop(columns=['species'])
y = iris['species']

model = KNNModel()
model.fit(X, y)

# Visualisation
viz = Visualizer(iris)
fig = viz.heatmap()
fig.show()

---

✅ Tests

Pour exécuter les tests unitaires :

python -m unittest discover tests

---

🆕 Nouveauté 2026

• Ajout du workflow GitHub Actions pour tests automatiques et publication sur TestPyPI.
• Amélioration de la documentation et de la structure du projet.

---

📌 Statut du projet

• ✔️ Version de test publiée sur TestPyPI
• 🔄 En développement actif
• 🚀 Publication sur PyPI prévue après validation

trainedml_module