入门指南#
先决条件#
imbalanced-learn
需要以下依赖项:
Python (>= 3.10)
NumPy (>= 1.24.3)
SciPy (>= 1.10.1)
Scikit-learn (>= 1.3.2)
Pytest (>= 7.2.2)
此外,imbalanced-learn
需要以下可选依赖项:
Pandas (>= 1.5.3) 用于处理数据框
Tensorflow (>= 2.13.1) 用于处理 TensorFlow 模型
Keras (>= 3.0.5) 用于处理 Keras 模型
示例将需要以下额外的依赖项:
Matplotlib (>= 3.7.3)
Seaborn (>= 0.12.2)
安装#
从PyPi或conda-forge仓库#
imbalanced-learn 目前可以在 PyPi 的仓库中找到,您可以通过 pip
安装它:
pip install imbalanced-learn
该包也在conda-forge仓库中发布,您可以使用conda
(或mamba
)进行安装:
conda install -c conda-forge imbalanced-learn
通过scikit-learn-intelex实现的Intel优化#
Imbalanced-learn 完全依赖于 scikit-learn 算法。英特尔为英特尔硬件提供了一个优化版本的 scikit-learn,称为 scikit-learn-intelex。安装 scikit-learn-intelex 并修补 scikit-learn 将激活英特尔的优化。
您可以参考以下 博客文章 获取一些基准测试。
请参考以下文档以获取说明:
从GitHub上可用的源代码#
如果您愿意,您可以克隆它并运行setup.py文件。使用以下命令从Github获取副本并安装所有依赖项:
git clone https://github.com/scikit-learn-contrib/imbalanced-learn.git
cd imbalanced-learn
pip install .
请注意,您可以使用以下命令以开发者模式安装:
pip install --no-build-isolation --editable .
如果您希望在GitHub上提交pull-requests,我们建议您安装pre-commit:
pip install pre-commit
pre-commit install
测试和覆盖率#
您希望在安装前测试代码:
$ make test
您希望测试您的版本的覆盖率:
$ make coverage
你也可以使用 pytest
:
$ pytest imblearn -v
贡献#
您可以通过在GitHub上提交Pull Request来为此代码做出贡献。请确保您的代码附带了单元测试,以确保API的全面覆盖和持续集成。