https://www.luochang.ink/tags/pypi/ Recent content in PyPI on Chang Luo Hugo zh-CN Sat, 25 May 2024 00:00:00 +0000 https://www.luochang.ink/posts/flameai/ Sat, 25 May 2024 00:00:00 +0000 https://www.luochang.ink/posts/flameai/ <blockquote> <p>在上一篇博客<a href="https://www.luochang.ink/posts/lightgbm_practice/" target="_blank">《LightGBM 工程实践》</a>中，我把通用函数写到 <a href="https://github.com/luochang212/lightgbm-binary/blob/main/util.py" target="_blank">util.py</a> 文件，以实现代码复用。但是这么复用好麻烦，每次开新项目，得把 util.py 文件贴过去才行。为了省下这个贴的动作，我把它写成 Python 包了。现在下载一次，就可以到处使用啦！</p> </blockquote> <p>GitHub 项目地址：<a href="https://github.com/luochang212/flameai" target="_blank">flameai</a></p> <h3 id="一简单介绍">一、简单介绍</h3> <p>我的这个包叫 <a href="https://pypi.org/project/flameai" target="_blank">FlameAI</a>。作为一个深度学习工具包，它的主要功能是 <strong>数据预处理</strong> 和 <strong>模型评估</strong>。FlameAI 旨在解决最后一公里问题。即在框架之外，业务代码之内，寻求最佳实践。为了让我的包看起来上流一点，我让 Kimi 帮我想了几个名字，最后还是选择了 FlameAI，因为这个名字最霸气。</p> <p>执行以下命令安装 FlameAI：</p> <pre tabindex="0"><code>pip install flameai </code></pre><p>如果嫌安装速度慢，可以使用腾讯源或阿里源：</p> <pre tabindex="0"><code># 腾讯源 pip install flameai -i https://mirrors.cloud.tencent.com/pypi/simple/ # 阿里源 pip install flameai -i https://mirrors.aliyun.com/pypi/simple/ </code></pre><p>如果发现 pip 缓存目录占用了太多磁盘空间，可执行以下命令（通常不需要清理）</p> <pre tabindex="0"><code># 清理 pip 缓存文件 pip cache purge </code></pre><h3 id="二模块功能介绍">二、模块功能介绍</h3> <h4 id="21-二分类模型评估">2.1 二分类模型评估</h4> <p>二分类模型评估是咱们的拳头产品。只需一行命令，就可以计算下面全部指标：</p> <ul> <li><code>accuracy</code>: 准确率</li> <li><code>precision</code>: 精确率</li> <li><code>recall</code>: 召回率</li> <li><code>f1_score</code>: 精确率和召回率的调和平均数</li> <li><code>auc</code>: ROC曲线下的面积</li> <li><code>cross-entropy loss</code>: 交叉熵损失</li> <li><code>True Positive (TP)</code>: 真阳</li> <li><code>True Negative (TN)</code>: 真阴</li> <li><code>False Positive (FP)</code>: 假阳</li> <li><code>False Negative (FN)</code>: 假阴</li> <li><code>confusion matrix</code>: 混淆矩阵</li> </ul> <h5 id="1简单用法">1）简单用法</h5> <p>你可以直接指定阈值，下面代码中指定阈值为 <code>0.5</code>。</p>