Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/sun1638650145/classicml
简单易用的经典机器学习框架
https://github.com/sun1638650145/classicml
adaboost bagging cluster cpp17 decision-tree eigen ensemble-learning framework linear-discriminant-analysis logistic-regression machine-learning naive-bayes-classifier neural-network pybind11 python support-vector-machine
Last synced: 12 days ago
JSON representation
简单易用的经典机器学习框架
- Host: GitHub
- URL: https://github.com/sun1638650145/classicml
- Owner: sun1638650145
- License: apache-2.0
- Created: 2020-05-10T11:57:10.000Z (over 4 years ago)
- Default Branch: master
- Last Pushed: 2023-07-18T07:05:19.000Z (over 1 year ago)
- Last Synced: 2024-11-08T23:03:15.835Z (12 days ago)
- Topics: adaboost, bagging, cluster, cpp17, decision-tree, eigen, ensemble-learning, framework, linear-discriminant-analysis, logistic-regression, machine-learning, naive-bayes-classifier, neural-network, pybind11, python, support-vector-machine
- Language: Python
- Homepage: https://classicml.readthedocs.io/
- Size: 737 KB
- Stars: 10
- Watchers: 2
- Forks: 2
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# classicML: 简单易用的经典机器学习框架
    [](https://classicml.readthedocs.io/zh_CN/latest/?badge=latest) [](https://pypi.org/project/classicML/) [](https://pypi.org/project/classicML/)
classicML 是一个用 Python 和 C++ 混编的机器学习项目，您既可以使用纯 Python 版本进行学习，也可以使用CC标准版进行实验和探索自定义功能。它既实现了Python的简单易用快速上手，又实现了C++的高效性能。classicML的设计目标是简单易用，快速入门，高扩展性和编程风格简洁。更多信息请访问[文档网站](https://classicml.readthedocs.io/)。
## 多后端支持
classicML 本身是一个Python项目，但是机器学习中涉及到的复杂的矩阵运算对于Python有点儿捉襟见肘，因此我们提供了使用C++后端的加速版本。为了保证兼容性，classicML默认使用Python后端，现在全部算法支持了使用C++作为后端进行加速，如果您需要使用标准版的classicML，只需在开头使用这条语句切换后端。
```python
import os
os.environ['CLASSICML_ENGINE'] = 'CC'
```
## 精度控制
目前，classicML 正在对全部算法支持32位和64位切换精度，使用32位的精度可以获得更快的运行速度和更小固化模型。
```python
import os
os.environ['CLASSICML_PRECISION'] = '32-bit'
```
## 第一个机器学习程序
使用线性判别分析进行二分类
* 下载示例数据集
```shell
wget https://github.com/sun1638650145/classicML/blob/master/datasets/西瓜数据集alpha.csv
```
* 运行下面的代码
```python
import classicML as cml
DATASET_PATH = '/path/to/西瓜数据集alpha.csv'
# 读取数据
ds = cml.data.Dataset()
ds.from_csv(DATASET_PATH)
# 生成模型
model = cml.models.LDA()
# 训练模型
model.fit(ds.x, ds.y)
# 可视化模型
cml.plots.plot_lda(model, ds.x, ds.y, '密度', '含糖率')
```
* [更多示例代码点击](https://github.com/sun1638650145/classicML/tree/master/examples)
## 感谢[Jetbrains Open Source](https://www.jetbrains.com/community/opensource/#support)对项目的支持
## v0.9.x 预览
* `v0.9` 正式版已经发布!
* 这个版本将增加`cml.models.cluster`模块, 并添加几种聚类算法
* 将在`v1.0`之前添加100%的类型注释