mltools简介

mltools 是从项目实战中提炼出来的一套机器学习工具包，其主要目标是加快数据探索、数据抽取、清洗转换、模型训练，让机器学习工程师专注数据分析和模型选择与评估。依赖的包主要有：numpy、pandas、sklearn、seaborn，统计部分有一点scipy.stats、 statsmodels.stats内容。

mltools 共有以下4个模块

• explore module：数据探索

• feature module：特征选择

• mlcluster module：无标签聚类选择最佳参数及绘图

• plot module：绘图

下载与安装

从 https://github.com/danielsywang/mltools 下载mltools包，此包下面的mltools为机器学习工具包的源代码，docs目录下的文件是用sphinx写的文档。

将源代码拷贝到项目文件目录或Anaconda的Libsite-packages（如果安装了Anaconda），就可以使用 mltools 了。

mltools文档说明

mltools 各功能模块的文档说明参见 Welcome to mltools’ documentation! 或 Welcome to mltools’ documentation!，后一个链接只是前一个链接的跳转，内容完全一样。

mltools应用示例

演示如何使用 mltools 进行数据探索、数据抽取、清洗转换、模型训练。

Welcome to mltools’ documentation!

mltools module function

• mltools
  • explore module
  • feature module
  • mlcluster module
  • plot module

mltools应用举例

mltools application example

• 1. mltools机器学习工具包应用示例
• 2. 加载库和数据
  • 2.1. 数据产生
  • 2.2. 加入Nan
  • 2.3. 加入重复数据
• 3. 数据整理（探索）
  • 3.1. 空缺值分析
  • 3.2. 重复值分析
  • 3.3. 唯一值分析
  • 3.4. 负值分析
  • 3.5. 异常数据分析
  • 3.6. 可视化
• 4. 数据清洗及特征选择
  • 4.1. VIF特征选择
• 5. 特征转换与可视化
  • 5.1. 特征转换及其正态检验
  • 5.2. 特征转换可视化
• 6. 模型选择及评估
  • 6.1. 模型初评
  • 6.2. 模型调参
    • 6.2.1. 参数定义
    • 6.2.2. 参数网格搜索
    • 6.2.3. 根据最佳参数绘图

Indices and tables

• Index

• Module Index

• Search Page