scikit-lego

<a href="https://koaning.github.io/scikit-lego/"><img src="https://yellow-cdn.veclightyear.com/ab5030c0/c62743e4-d9c4-457a-a093-152380ea41d8.png" width="35%" height="35%" align="right" /></a>

我们热爱scikit-learn，但经常发现自己在编写自定义的转换器、指标和模型。这个项目的目标是尝试将这些整合到一个提供代码质量/测试的包中。该项目最初是荷兰多家公司之间的合作，但此后收到了来自全球的贡献。它由Matthijs Brouns和Vincent D. Warmerdam发起，作为教人们如何为开源项目做贡献的工具。

请注意，我们与scikit-learn项目没有正式关联，但我们严格遵守他们的标准。

同样适用于乐高。LEGO®是乐高集团公司的商标，该公司不赞助、授权或认可本项目。

安装

通过pip安装scikit-lego：

python -m pip install scikit-lego

通过conda安装：

conda install -c conda-forge scikit-lego

或者，如果要编辑和贡献，你可以fork/clone并运行：

python -m pip install -e ".[dev]"
python setup.py develop

文档

文档可以在这里找到。

使用

我们提供自定义的指标、模型和转换器。你可以像在scikit-learn中一样导入它们。

# 我们喜爱的scikit-learn内容
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline

# 从scikit-lego中添加的内容
from sklego.preprocessing import RandomAdder
from sklego.mixture import GMMClassifier

...

mod = Pipeline([
    ("scale", StandardScaler()),
    ("random_noise", RandomAdder()),
    ("model", GMMClassifier())
])

...

功能

以下是该库当前提供的功能列表：

• sklego.datasets.load_abalone 加载鲍鱼数据集
• sklego.datasets.load_arrests 加载一个涉及公平性问题的数据集
• sklego.datasets.load_chicken 加载令人愉悦的鸡重量数据集
• sklego.datasets.load_heroes 加载风暴英雄数据集
• sklego.datasets.load_hearts 加载一个关于心脏的数据集
• sklego.datasets.load_penguins 加载一个可爱的企鹅数据集
• sklego.datasets.fetch_creditcard 从openml获取欺诈数据集
• sklego.datasets.make_simpleseries 生成模拟时间序列
• sklego.pandas_utils.add_lags 在pandas数据框中添加滞后值
• sklego.pandas_utils.log_step 一个用于记录管道步骤的有用装饰器
• sklego.dummy.RandomRegressor 预测随机值的虚拟基准
• sklego.linear_model.DeadZoneRegressor 具有成本函数死区的实验性特征
• sklego.linear_model.DemographicParityClassifier 受人口平等约束的逻辑分类器
• sklego.linear_model.EqualOpportunityClassifier 受平等机会约束的逻辑分类器
• sklego.linear_model.ProbWeightRegression 将系数视为概率权重的线性模型
• sklego.linear_model.LowessRegression 局部加权线性回归
• sklego.linear_model.LADRegression 最小绝对偏差回归
• sklego.linear_model.QuantileRegression 线性分位数回归，LADRegression的泛化
• sklego.linear_model.ImbalancedLinearRegression 直接惩罚模型的过度/欠估计
• sklego.naive_bayes.GaussianMixtureNB 通过为每个类的每列训练1D GMM进行分类
• sklego.naive_bayes.BayesianGaussianMixtureNB 通过为每个类训练贝叶斯1D GMM进行分类
• sklego.mixture.BayesianGMMClassifier 通过为每个类训练贝叶斯GMM进行分类
• sklego.mixture.BayesianGMMOutlierDetector 基于训练好的贝叶斯GMM检测异常值
• sklego.mixture.GMMClassifier 通过为每个类训练GMM进行分类
• sklego.mixture.GMMOutlierDetector 基于训练好的GMM检测异常值
• sklego.meta.ConfusionBalancer 允许平衡混淆矩阵的实验性特征
• sklego.meta.DecayEstimator 为模型接受的sample_weight添加衰减
• sklego.meta.EstimatorTransformer 将模型输出作为特征添加
• sklego.meta.OutlierClassifier 将异常值模型转换为分类器以进行网格搜索
• sklego.meta.GroupedPredictor 可以将数据分割成多个运行并在每个运行上运行模型
• sklego.meta.GroupedTransformer 可以将数据分割成多个运行并在每个运行上运行转换器
• sklego.meta.SubjectiveClassifier 为分类器添加先验的实验性特征
• sklego.meta.Thresholder 允许对阈值进行网格搜索的元模型
• sklego.meta.RegressionOutlierDetector 通过在回归中添加阈值来查找异常值的元模型
• sklego.meta.ZeroInflatedRegressor 基于分类器预测零或应用回归
• sklego.preprocessing.ColumnCapper 限制模型特征的极端值
• sklego.preprocessing.ColumnDropper 从pandas中删除列
• sklego.preprocessing.ColumnSelector 基于列名选择列
• sklego.preprocessing.InformationFilter 可以去相关特征的转换器
• sklego.preprocessing.IdentityTransformer 返回相同的数据，允许连接管道
• sklego.preprocessing.OrthogonalTransformer 使所有特征线性独立
• sklego.preprocessing.TypeSelector 基于类型选择列
• sklego.preprocessing.RandomAdder 在训练中添加随机性
• sklego.preprocessing.RepeatingBasisFunction 重复特征工程，适用于时间序列
• sklego.preprocessing.DictMapper 为分类列分配数值
• sklego.preprocessing.OutlierRemover 在训练期间移除异常值的实验方法
• sklego.model_selection.GroupTimeSeriesSplit 用于每组观察数不同的组的时间序列K折交叉验证
• sklego.model_selection.KlusterFoldValidation 基于聚类进行K折交叉验证的实验性特征
• sklego.model_selection.TimeGapSplit 训练/测试之间有间隔的时间序列K折交叉验证
• sklego.pipeline.DebugPipeline 添加调试信息以便于调试
• sklego.pipeline.make_debug_pipeline 创建可调试管道的快捷函数
• sklego.metrics.correlation_score 计算模型输出与特征之间的相关性
• sklego.metrics.equal_opportunity_score 计算平等机会指标
• sklego.metrics.p_percent_score 模型公平性对敏感属性的代理
• sklego.metrics.subset_score 在数据子集上计算得分（用于公平性跟踪）

新功能

我们在接受新功能方面相当开放，但在添加到项目之前，我们要求满足三个条件：

1. 任何新功能都要对可演示的现实世界用例有所贡献
2. 任何新功能都要通过标准单元测试（我们使用scikit-learn的测试）
3. 该功能事先已在问题列表中讨论过

我们自动化所有测试，并使用预提交钩子来保持代码正常工作。