skore
追蹤您的資料科學。Skore 的開源 Python 函式庫透過自動化評估報告、智慧方法指引及全面的交叉驗證分析,加速機器學習模型開發。
skore 是什麼?
追蹤您的資料科學。Skore 的開源 Python 函式庫透過自動化評估報告、智慧方法指引及全面的交叉驗證分析,加速機器學習模型開發。
skore 概覽
這是什麼
Skore 是一個開源的 Python 函式庫,用於追蹤資料科學實驗。它透過自動化評估報告、智慧方法指引以及全面的交叉驗證分析,加速機器學習模型的開發。此函式庫能結構化實驗、減少樣板程式碼、以內建警告引導決策,並維持專案的清晰度。它包含兩個部分:Skore Lib(開源函式庫)和 Skore Hub(用於分享實驗的協作平台)。
主要功能
- 自動化評估報告:一行程式碼即可產生深入見解 - 智慧方法指引:協助避免常見錯誤 - 全面的交叉驗證分析:用於模型評估 - 結構化實驗組織:讓專案更容易理解與維護 - 減少常見評估的樣板程式碼 - 內建方法警告,引導決策 - 清晰的專案結構,讓工作更容易理解與維護
使用情境
- 評估機器學習模型並取得結構化見解 - 追蹤與組織資料科學實驗 - 透過 Skore Hub 與團隊協作開發模型 - 提升分析與資料科學工作流程的生產力
快速開始
使用 pip 或 conda 安裝 skore: bash # 如果打算在本機使用 Skore pip install -U skore # 如果也想與 Skore Hub 互動 pip install -U skore[hub] # 如果想將專案記錄到 MLflow pip install -U skore[mlflow] bash conda install conda-forge::skore 接著使用函式庫評估模型: python from sklearn.datasets import make_classification from sklearn.linear_model import LogisticRegression from skore import evaluate X, y = make_classification(n_classes=2, n_samples=100_000, n_informative=4) clf = LogisticRegression() cv_report = evaluate(clf, X, y, splitter=5) cv_report.help() metrics_summary = cv_report.metrics.summarize().frame() roc_plot = cv_report.metrics.roc() roc_plot.plot()
授權與價格
Skore 採用 MIT 授權條款,為開源軟體。
內容整理自該專案公開的 README 與儲存庫資訊。