pytoolkit.tf.tdnn module¶
Tablur Data用NN。
サンプル
import pytoolkit.tf
import pytoolkit.tablurs
train_data_path = "path/to/train.csv"
test_data_path = "path/to/test.csv"
input_data_path = "path/to/input.csv"
# ログの初期化
pytoolkit.logs.init()
# データの読み込み
train_data, train_labels = pytoolkit.tablurs.load_labeled_data(
train_data_path, "label_col_name"
)
test_data, test_labels = pytoolkit.tablurs.load_labeled_data(
test_data_path, "label_col_name"
)
# 学習
model = pytoolkit.tf.tdnn.train(train_data, train_labels, groups=None)
# 保存・読み込み
model.save(model_dir)
model = pytoolkit.tf.tdnn.load(model_dir)
# 評価
score = model.evaluate(test_data, test_labels)
assert 0.0 <= score <= 1.0
# 推論
input_data = pytoolkit.tablurs.load_unlabeled_data(input_data_path)
results = model.infer(input_data)
assert isinstance(results, np.ndarray)
- class pytoolkit.tf.tdnn.Model(train_model, infer_model, metadata)[ソース]¶
ベースクラス:
BaseModel
テーブルデータのモデル。
- パラメータ:
train_model (Model) --
infer_model (Model) --
metadata (dict[str, Any]) --
- classmethod load(model_dir)[ソース]¶
モデルの読み込み
- パラメータ:
model_dir (str | PathLike[str]) -- 保存先ディレクトリ
- 戻り値:
モデル
- 戻り値の型:
- evaluate(data, labels)[ソース]¶
推論。
- パラメータ:
data (DataFrame | DataFrame) -- 入力データ
labels (_SupportsArray[dtype] | _NestedSequence[_SupportsArray[dtype]] | bool | int | float | complex | str | bytes | _NestedSequence[bool | int | float | complex | str | bytes]) -- ラベル
- 戻り値:
スコア
- 戻り値の型:
dict[str, float]
- infer(data, verbose=True)[ソース]¶
推論。
- パラメータ:
data (DataFrame | DataFrame) -- 入力データ
verbose (bool) -- 進捗表示の有無
- 戻り値:
推論結果
- 戻り値の型:
ndarray[Any, dtype[float32]]
- infer_oof(data, folds, verbose=True)[ソース]¶
out-of-fold推論。
- パラメータ:
data (DataFrame | DataFrame) -- 入力データ
folds (Sequence[tuple[numpy.ndarray[Any, numpy.dtype[numpy.int32]], numpy.ndarray[Any, numpy.dtype[numpy.int32]]]]) -- 分割方法
verbose (bool) -- 進捗表示の有無
- 戻り値:
推論結果
- 戻り値の型:
ndarray[Any, dtype[float32]]
- pytoolkit.tf.tdnn.train(data, labels, folds=None, categorical_feature=None, epochs=100)[ソース]¶
学習
- パラメータ:
data (DataFrame | DataFrame) -- 入力データ
labels (_SupportsArray[dtype] | _NestedSequence[_SupportsArray[dtype]] | bool | int | float | complex | str | bytes | _NestedSequence[bool | int | float | complex | str | bytes]) -- ラベル
weights -- 入力データの重み
groups -- 入力データのグループ
folds (Sequence[tuple[numpy.ndarray[Any, numpy.dtype[numpy.int32]], numpy.ndarray[Any, numpy.dtype[numpy.int32]]]] | None) -- CVの分割情報
categorical_feature (list[str] | None) -- カテゴリ列
epochs (int) --
- 戻り値:
モデル
- 戻り値の型: