SheShe


import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sheshe import ModalBoundaryClustering

X, y = load_iris(return_X_y=True)
sh = ModalBoundaryClustering().fit(X, y)
sh.plot_classes(X, y)
plt.show()

Segmentación Inteligente de Bordes de Alta Dimensión y Explorador de Hiperfronteras

SheShe convierte cualquier modelo probabilístico en un explorador de su propia superficie de decisión. Sigue máximos locales de probabilidad por clase o valor predicho para descubrir regiones nítidas y legibles que respetan la frontera supervisada del problema.

Galería

Las imágenes a continuación muestran ejemplos de clasificaciones producidas por SheShe. Están en el directorio images/; agrega nuevos archivos allí para ampliar la galería y refiérelos aquí.

Aprende cómo SheShe explora los máximos locales y cómo sus herramientas operan de forma independiente en Cómo funciona.

Primeros pasos

Instala la librería y ejecuta las pruebas básicas:

pip install sheshe
PYTHONPATH=src pytest tests/test_basic.py::test_import_and_fit -q

Consulta Instalación para instrucciones completas.

Consejos de rendimiento

Consejos de rendimiento describe heurísticas y ajustes de parámetros para conjuntos de datos grandes.

Predictores

El proyecto expone varios predictores y utilidades. Cada sección a continuación describe uno con más detalle:

Experimentos y benchmarks

Las comparaciones de rendimiento y resultados de perfilado están disponibles en Experimentos y benchmarks.

Ejemplos de regresión

Código de muestra que demuestra el entrenamiento de regresión con score_model está disponible en Ejemplos de regresión.

Acerca de

SheShe es desarrollado por José Carlos Del Valle. Conecta en LinkedIn o explora su portafolio.

Contribuir

Las mejoras son bienvenidas. Haz un fork del repositorio, instala las dependencias de desarrollo y ejecuta las pruebas:

pip install -e ".[dev]"
PYTHONPATH=src pytest -q

Liberado bajo la licencia MIT.