koaning/scikit-lego

何を解決するか

標準の scikit-learn ライブラリに存在しないカスタム変換器、メトリクス、モデルのコレクションを提供し、機械学習パイプライン用に繰り返しのカスタムコンポーネントを自作する必要を減らします。

仕組み

scikit-learn の補完ライブラリとして機能し、厳密にその標準に従います。ユーザーは scikit-lego のコンポーネント（例: GMMClassifier や RandomAdder）をインポートし、標準の scikit-learn ツールと同様に、scikit-learn の Pipeline オブジェクトに直接統合できます。

対象ユーザー

scikit-learn を使用し、特殊な前処理ツール、公平性制約付き分類器、または特定の回帰モデルや混合モデルが必要なデータサイエンティストや機械学習エンジニア。

特徴

• カスタム変換器: 列選択、外れ値の除去、学習中にランダム性を追加するためのツールを含みます。
• 専門的なモデル: 多様な回帰タイプ（分位数、LAD、Lowess）および GMM をベースにした分類器を提供します。
• 公平性ツール: 民族的均等性と等しい機会に基づく制約付き分類器と、それに対応する公平性メトリクスを含みます。
• パイプラインユーティリティ: デバッグを容易にする DebugPipeline と、時系列専用の分割手法（例: TimeGapSplit）を提供します。