skrub 0.3.1

skrub能做什么？

skrub的目标是弥合表格数据源和机器学习模型之间的差距。

skrub提供了高级工具，用于连接数据框（Joiner，AggJoiner等），编码列（MinHashEncoder，ToCategorical等），构建管道（TableVectorizer，tabular_learner等），以及其他更多功能。

>>> from skrub.datasets import fetch_employee_salaries
>>> dataset = fetch_employee_salaries()
>>> df = dataset.X
>>> y = dataset.y
>>> df.iloc[0]
gender                                                                     F
department                                                               POL
department_name                                         Department of Police
division                   MSB Information Mgmt and Tech Division Records...
assignment_category                                         Fulltime-Regular
employee_position_title                          Office Services Coordinator
date_first_hired                                                  09/22/1986
year_first_hired                                                        1986

>>> from sklearn.model_selection import cross_val_score
>>> from skrub import tabular_learner
>>> cross_val_score(tabular_learner('regressor'), df, y)
array([0.89370447, 0.89279068, 0.92282557, 0.92319094, 0.92162666])

查看我们的示例。

安装

skrub可以通过pip或conda轻松安装。有关更多信息，请参阅安装说明。

贡献

支持skrub开发的最有效方法是传播信息！

此外，如果你已经是skrub用户，我们非常乐意在讨论部分了解你的用例和挑战。

要报告错误或提出改进建议，请创建一个问题和/或提交一个pull请求。