🔻اگه با یادگیری ماشین کار کردی، حتماً برات پیش اومده که بخوای چندتا الگوریتم مختلف رو تست کنی تا ببینی کدوم بهتر جواب میده. اما تست تک‌تک مدل‌ها زمان‌بره!
اینجاست که کتابخونه‌ی LazyPredict به دادت می‌رسه!
🔻با این ابزار می‌تونی فقط با چند خط کد، ده‌ها الگوریتم رو روی دیتای خودت اجرا کنی و یه جدول مرتب از عملکرد همه‌شون بگیری.
---
🔻نصب:
pip install lazypredict
---
نمونه استفاده:
from lazypredict.Supervised import LazyClassifier
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_breast_cancer
# دیتای نمونه
data = load_breast_cancer()
X = data.data
y = data.target
# تقسیم داده‌ها
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# ساخت مدل LazyClassifier
clf = LazyClassifier(verbose=0, ignore_warnings=True)
# اجرا و نمایش نتایج
models, predictions = clf.fit(X_train, X_test, y_train, y_test)
print(models)
---
⁉️خروجی چی میشه؟
یه جدول کامل از کلی الگوریتم (مثل SVM، RandomForest، KNN و...) به همراه دقت، F1، زمان اجرا و کلی معیار دیگه!
مناسب برای پروژه‌هایی که می‌خوای سریع مدل مناسب رو پیدا کنی.
➖➖➖➖➖➖
🔻 @hitwithit
🌐 Medofile
✳️ فناوری اطلاعات سلامت و انفورماتیک پزشکی