Travis Coveralls PyPi

jubakit: Jubatus Toolkit

jubakitはJubatusの機能に容易にアクセスするためのPythonモジュールです。jubakitを scikit-learn と併せて使用することで、交差検証やモデル評価のような、強力な機能を使用することができます。詳細については、 Jubakit Documentation を参照してください。

現在のjubakitは Classifier, Regression, Anomaly, Recommender, NearestNeighbor, Clustering, Burst, Bandit および Weight エンジンをサポートします。

インストール

pip install jubakit

要件

  • Python 2.7, 3.3, 3.4 または 3.5。
  • Jubatus がインストール済みであること。
  • 必須ではありませんが、K-分割交差検証のようないくつかの機能を使用する場合は scikit-learn のインストール をする必要があります。

クイックスタート

CSVのデータセットを使用して学習/分類を行う例です。

from jubakit.classifier import Classifier, Schema, Dataset, Config
from jubakit.loader.csv import CSVLoader

# Load a CSV file.
loader = CSVLoader('iris.csv')

# Define types for each column in the CSV file.
schema = Schema({
  'Species': Schema.LABEL,
}, Schema.NUMBER)

# Get the shuffled dataset.
dataset = Dataset(loader, schema).shuffle()

# Run the classifier service (`jubaclassifier` process).
classifier = Classifier.run(Config())

# Train the classifier.
for _ in classifier.train(dataset): pass

# Classify using the trained classifier.
for (idx, label, result) in classifier.classify(dataset):
  print("true label: {0}, estimated label: {1}".format(label, result[0][0]))

使用例

実際の例については、 example ディレクトリを参照してください。

例 トピック Requires scikit-learn
classifier_csv.py CSVファイルと数値特徴量を扱う。  
classifier_shogun.py CSVファイルと文字列特徴量を扱う。  
classifier_digits.py toyデータセット (digits) を扱う。 ✓
classifier_libsvm.py LIBSVMファイルを扱う。 ✓
classifier_kfold.py K-分割交差検証と評価指標。 ✓
classifier_parameter.py 最適なハイパーパラメータを見つける。 ✓
classifier_hyperopt_tuning.py hyperoptを使用して最適なハイパーパラメータを見つける。 ✓
classifier_bulk.py 分類モデルの学習-テストの一括化。  
classifier_twitter.py Twitter Streams を扱う。  
classifier_model_extract.py 分類モデルファイルの内容を抽出する。  
classifier_sklearn_wrapper.py scikit-learnラッパーを使用した分類。 ✓
classifier_sklearn_grid_search.py scikit-learnラッパーを使用したグリッドサーチ例。 ✓
classifier_tensorboard.py TensorBoardを使った学習プロセスの可視化。 ✓
regression_boston.py toyデータセット (boston) を使用した回帰。 ✓
regression_csv.py CSVファイルを使用した回帰。  
regression_sklearn_wrapper.py scikit-learnラッパーを使用した回帰。 ✓
anomaly_auc.py 異常検知と評価指標。  
recommender_npb.py 類似アイテムの推薦。  
nearest_neighbor_aaai.py 近傍アイテムの探索。  
clustering_2d.py 2次元データセットのクラスタリング。  
burst_dummy_stream.py ストリームデータを使ったバースト検知。  
bandit_slot.py スロットマシーン例を使った多腕バンディット。  
weight_shogun.py Weightを使用したfv_converterのふるまいの追跡。  
weight_model_extract.py Weightモデルファイルの内容を抽出する。  

ライセンス

MIT License

リソース