访问官网
Github
文档
scikit-lego
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：
- 任何新功能都要对可演示的现实世界用例有所贡献
- 任何新功能都要通过标准单元测试（我们使用scikit-learn的测试）
- 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。
