Présentation d'InsightfulAI : API Alpha publique pour un apprentissage automatique simplifié

Nous sommes ravis de lancer InsightfulAI, une API publique Alpha conçue pour faciliter les tâches de classification et de régression pour les développeurs Python et les scientifiques des données. . Cette version alpha est disponible sur PyPI, vous permettant de l'installer et de la tester rapidement avec pip !

InsightfulAI fournit une configuration simplifiée et intuitive qui vous permet de vous concentrer sur la résolution de problèmes plutôt que de gérer un code d'apprentissage automatique complexe. C'est votre chance d'être l'un des premiers à adopter et de donner de précieux commentaires pour façonner l'avenir d'InsightfulAI.

---

Principales fonctionnalités de l'API InsightfulAI Alpha

• Classification et régression : comprend des modèles de régression logistique et de forêt aléatoire prêts à l'emploi.
• Réessayer Logique : réessaye automatiquement les opérations ayant échoué pour gérer les erreurs transitoires.
• Paramètres personnalisables : configurez des hyperparamètres comme C et le solveur en régression logistique, ou n_estimators et max_degree pour les forêts aléatoires.
• Options du solveur : la régression logistique prend en charge les solveurs populaires tels que « lbfgs », « liblinear » et « saga », permettant une flexibilité en fonction de la taille et des caractéristiques de votre ensemble de données.
• Traitement asynchrone par lots : effectuez la formation de modèles, les prédictions et les évaluations sur les lots de manière asynchrone, ce qui est particulièrement utile pour gérer de grands ensembles de données ou des applications en temps réel.
• Prise en charge d'OpenTelemetry : suivez les performances d'entraînement et de prédiction de votre modèle grâce au traçage OpenTelemetry intégré, simplifiant ainsi la surveillance et le débogage.

Cette API Public Alpha fournit des outils essentiels pour démarrer vos projets d'apprentissage automatique et intégrer une surveillance de base.

---

Comment installer l'API InsightfulAI Public Alpha

La version alpha d'InsightfulAI est disponible sur PyPI ! Installez-le avec la commande suivante :

pip install InsightfulAI

Cela installera la version alpha d'InsightfulAI, vous permettant d'expérimenter ses fonctionnalités et de fournir des commentaires pour nous aider à l'améliorer.

---

Premiers pas avec InsightfulAI

Voici un tutoriel rapide sur l'utilisation du modèle de régression logistique d'InsightfulAI dans vos projets.

Étape 1 : Importer et initialiser

Importez InsightfulAI depuis l'API. Choisissez votre type de modèle (régression logistique ou forêt aléatoire) et initialisez-le avec vos paramètres préférés :

from insightful_ai_api import InsightfulAI

# Initialize the API for logistic regression with solver choice
model = InsightfulAI(model_type="logistic_regression", C=1.0, solver='lbfgs')  # Options: 'lbfgs', 'liblinear', 'saga'

Étape 2 : Préparez vos données

Chargez votre ensemble de données dans des tableaux numpy ou des trames de données pandas, puis divisez-le en ensembles d'entraînement et de test :

import numpy as np
from sklearn.model_selection import train_test_split

X = np.array([[...], ...])  # Features
y = np.array([...])          # Target

# Split into train and test sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

Étape 3 : Former le modèle

Entraînez votre modèle à l'aide de la méthode d'ajustement :

pip install InsightfulAI

Étape 4 : prédictions asynchrones par lots

Profitez du traitement asynchrone par lots pour effectuer efficacement des prédictions sur de gros lots :

from insightful_ai_api import InsightfulAI

# Initialize the API for logistic regression with solver choice
model = InsightfulAI(model_type="logistic_regression", C=1.0, solver='lbfgs')  # Options: 'lbfgs', 'liblinear', 'saga'

Étape 5 : évaluer les performances du modèle

Évaluez la précision de votre modèle à l'aide de la fonction d'évaluation :

import numpy as np
from sklearn.model_selection import train_test_split

X = np.array([[...], ...])  # Features
y = np.array([...])          # Target

# Split into train and test sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

---

Surveillance avec OpenTelemetry

InsightfulAI inclut OpenTelemetry pour la surveillance et le suivi, vous permettant d'obtenir des informations sur les performances de votre modèle et de déboguer facilement les problèmes.

---

Essayez l'API InsightfulAI Public Alpha dès aujourd'hui !

Cette version de l'API publique alpha est votre chance de vous familiariser avec InsightfulAI et de contribuer à influencer son évolution. Installer InsightfulAI depuis PyPI :

model.fit(X_train, y_train)
print("Model training complete!")

Vos commentaires sont essentiels : plongez-vous, explorez les fonctionnalités et dites-nous ce que vous en pensez !

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!