InsightfulAI 簡介：用於簡化機器學習的公共 Alpha API

我們很高興推出InsightfulAI，這是一個公共Alpha API，旨在讓Python 開發人員和資料科學家更輕鬆地執行分類和回歸任務。此 alpha 版本已在 PyPI 上提供，讓您可以使用 pip 快速安裝和測試它！

InsightfulAI 提供了簡化、直覺的設置，讓您專注於解決問題，而不是處理複雜的機器學習程式碼。這是您成為早期採用者的機會，提供寶貴的回饋來塑造 InsightfulAI 的未來。

---

InsightfulAI Alpha API 的主要特性

• 分類與迴歸：包含即用型邏輯迴歸與隨機森林模型。
• 重試邏輯：自動重試失敗的操作以處理暫時性錯誤。
• 可自訂參數：配置超參數，例如邏輯迴歸中的 C 和求解器，或隨機森林的 n_estimators 和 max_depth。
• 求解器選項：邏輯回歸支援流行的求解器，例如“lbfgs”、“liblinear”和“saga”，允許根據資料集的大小和特徵進行彈性。
• 批量非同步處理：非同步地批量執行模型訓練、預測和評估，這對於處理大型資料集或即時應用程式特別有用。
• OpenTelemetry 支援：透過內建 OpenTelemetry 追蹤來追蹤模型的訓練和預測性能，簡化監控和調試。

這個公共 Alpha API 提供了啟動機器學習專案和整合基本監控的基本工具。

---

如何安裝 InsightfulAI Public Alpha API

InsightfulAI 的 alpha 版本已在 PyPI 上發布！使用以下命令安裝它：

pip install InsightfulAI

這將安裝 InsightfulAI 的 alpha 版本，讓您可以試驗其功能並提供回饋以幫助我們改進它。

---

InsightfulAI 入門

這是一個關於在專案中使用 InsightfulAI 邏輯回歸模型的快速教學。

步驟1：導入並初始化

從 API 匯入 InsightfulAI。選擇您的模型類型（邏輯迴歸或隨機森林），並使用您的首選設定進行初始化：

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'

第 2 步：準備數據

將資料集載入到 numpy 陣列或 pandas 資料框中，然後將其拆分為訓練集和測試集：

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)

第 3 步：訓練模型

使用擬合方法訓練模型：

pip install InsightfulAI

第 4 步：批量異步預測

利用批量非同步處理來有效地對大批量進行預測：

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'

第 5 步：評估模型效能

使用評估函數評估模型的準確度：

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)

---

使用 OpenTelemetry 進行監控

InsightfulAI 包括用於監控和追蹤的 OpenTelemetry，讓您能夠深入了解模型的性能並輕鬆調試問題。

---

立即嘗試 InsightfulAI Public Alpha API！

這公共 Alpha API 版本是您親身體驗 InsightfulAI 並幫助影響其發展的機會。 從 PyPI 安裝 InsightfulAI:

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

您的回饋至關重要 - 深入研究、探索功能，並讓我們知道您的想法！

以上是InsightfulAI 簡介：用於簡化機器學習的公共 Alpha API的詳細內容。更多資訊請關注PHP中文網其他相關文章！