module mltricks.sklearn_base_learner_category

Inheritance diagram of papierstat.mltricks.sklearn_base_learner_category

Short summary

module papierstat.mltricks.sklearn_base_learner_category

Implémente un learner qui suit la même API que tout scikit-learn learner.

source on GitHub

Classes

class

truncated documentation

SkBaseLearnerCategory

Base d’un learner qui apprend un learner pour chaque modalité d’une classe. Notebooks associés à ce learner

Properties

property

truncated documentation

colnameind

Retourne le nom ou l’indice de la catégorie.

Models

Retourne les models.

Methods

method

truncated documentation

__init__

Stocke les paramètres dans une classe SkLearnParameters, elle garde une copie des paramètres pour …

__repr__

usual

_any_predict

Prédit en appelant le modèle associé à chaque catégorie.

_filter_cat

Retoure X, y, sample_weight pour la categorie c uniquement.

_get_cat

Retourne les catégories indiquées par colnameind.

decision_function

Output of the model in case of a regressor, matrix with a score for each class and each sample for a classifier

fit

Apprends un modèle pour chaque modalité d’une catégorie.

get_params

Retourne les paramètres qui définissent l’objet (tous ceux nécessaires pour le cloner).

predict

Prédit en appelant le modèle associé à chaque catégorie.

predict_proba

Output of the model in case of a regressor, matrix with a score for each class and each sample for a classifier

score

Returns the mean accuracy on the given test data and labels.

set_params

Change les paramètres qui définissent l’objet (tous ceux nécessaires pour le cloner).

Documentation

Implémente un learner qui suit la même API que tout scikit-learn learner.

source on GitHub

class papierstat.mltricks.sklearn_base_learner_category.SkBaseLearnerCategory(colnameind=None, model=None, **kwargs)[source]

Bases : mlinsights.sklapi.sklearn_base_learner.SkBaseLearner

Base d’un learner qui apprend un learner pour chaque modalité d’une classe.

Notebooks associés à ce learner :

source on GitHub

Stocke les paramètres dans une classe SkLearnParameters, elle garde une copie des paramètres pour implémenter facilement get_params et ainsi cloner un modèle.

Paramètres
  • colnameind – indice ou nom de la colonne qui contient les modalités de la catégorie

  • model – model à appliquer sur chaque catégorie

source on GitHub

property Models

Retourne les models.

source on GitHub

__init__(colnameind=None, model=None, **kwargs)[source]

Stocke les paramètres dans une classe SkLearnParameters, elle garde une copie des paramètres pour implémenter facilement get_params et ainsi cloner un modèle.

Paramètres
  • colnameind – indice ou nom de la colonne qui contient les modalités de la catégorie

  • model – model à appliquer sur chaque catégorie

source on GitHub

__repr__()[source]

usual

source on GitHub

_any_predict(X, fct, *args)[source]

Prédit en appelant le modèle associé à chaque catégorie.

Paramètres

X – features

Renvoie

prédictions

La fonction n’est pas parallélisée mais elle le pourrait.

source on GitHub

_filter_cat(c, X, y=None, sample_weight=None)[source]

Retoure X, y, sample_weight pour la categorie c uniquement.

source on GitHub

_get_cat(X)[source]

Retourne les catégories indiquées par colnameind.

source on GitHub

property colnameind

Retourne le nom ou l’indice de la catégorie.

source on GitHub

decision_function(X)[source]

Output of the model in case of a regressor, matrix with a score for each class and each sample for a classifier

Paramètres

X – Samples, {array-like, sparse matrix}, shape = (n_samples, n_features)

Renvoie

array, shape = (n_samples,.), Returns predicted values.

source on GitHub

fit(X, y=None, **kwargs)[source]

Apprends un modèle pour chaque modalité d’une catégorie.

Paramètres
  • X – features

  • y – cibles

Renvoie

self, lui-même

La fonction n’est pas parallélisée mais elle le pourrait.

source on GitHub

get_params(deep=True)[source]

Retourne les paramètres qui définissent l’objet (tous ceux nécessaires pour le cloner).

Paramètres

deep – unused here

Renvoie

dict

source on GitHub

predict(X)[source]

Prédit en appelant le modèle associé à chaque catégorie.

Paramètres

X – features

Renvoie

prédictions

La fonction n’est pas parallélisée mais elle le pourrait.

source on GitHub

predict_proba(X)[source]

Output of the model in case of a regressor, matrix with a score for each class and each sample for a classifier

Paramètres

X – Samples, {array-like, sparse matrix}, shape = (n_samples, n_features)

Renvoie

array, shape = (n_samples,.), Returns predicted values.

source on GitHub

score(X, y=None, sample_weight=None)[source]

Returns the mean accuracy on the given test data and labels.

Paramètres
  • X – Training data, numpy array or sparse matrix of shape [n_samples,n_features]

  • y – Target values, numpy array of shape [n_samples, n_targets] (optional)

  • sample_weight – Weight values, numpy array of shape [n_samples, n_targets] (optional)

Renvoie

score : float, Mean accuracy of self.predict(X) wrt. y.

source on GitHub

set_params(**values)[source]

Change les paramètres qui définissent l’objet (tous ceux nécessaires pour le cloner).

Paramètres

values – values

Renvoie

dict

source on GitHub