机器学习模型性能指标和图表，带有置信区间，经numba优化以提高速度
项目描述
fronni
一个用于快速计算并显示带有置信区间的机器学习模型性能指标的Python库。
fronni是如何工作的？
要求
-
Python >= 3.6
-
numba
-
numpy
-
scikit-learn
-
plotly
安装fronni
pip安装fronni
完整文档
分类模块中的函数
classification_report
对于给定预测值和标签值的二进制或多类分类模型，生成精确度、召回率和F1指标的置信区间。
| 参数 | 类型 | 默认值 |
|---|---|---|
| label | Numpy数组或Pandas系列 | None |
| predicted | Numpy数组或Pandas系列 | None |
| n | 整数，bootstrap迭代次数 | 1,000 |
| confidence_level | 1到100之间的整数 | 95 |
| as_dict | 布尔值，如果为True则返回嵌套字典，否则返回Pandas数据框 | False |
| confidence_level | 1到100之间的值 | 95 |
| sort_by_sample_size | 布尔值，返回按类别样本大小降序排列的Pandas数据框 | False |
plot_classification_report
对于给定分类报告输入的二进制或多类分类模型，绘制精确度、召回率和F1指标的置信区间。
| 参数 | 类型 | 默认值 |
|---|---|---|
| report | classification_report的输出 | None |
| save_to_filename | 字符串，图像文件的路径，如"image.png" | None |
来自回归模块
regression_report
对于给定预测值和标签值的回归模型，生成RMSE、MAE和R^2指标的置信区间。
| 参数 | 类型 | 默认值 |
|---|---|---|
| label | Numpy数组或Pandas系列 | None |
| predicted | Numpy数组或Pandas系列 | None |
| n | 整数，bootstrap迭代次数 | 1,000 |
| as_dict | 布尔值，如果为True则返回嵌套字典，否则返回Pandas数据框 | False |
有关如何帮助的说明，请参阅CONTRIBUTING文件。
许可协议
fronni采用Apache 2.0许可协议，如LICENSE文件中所示。
关闭
fronni-0.0.6.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 02be7872f5b97c5962c001e87210bc63ac3d8abd42f4e63c55a593a53909bf8d |
|
| MD5 | c2a95217e9cb64e504ff516bb759f49c |
|
| BLAKE2b-256 | 1285177db228e5b587a9a4bb5ecb9cd2dfe4f7a6b360a7c0063bb1287e891cdc |