GenelMakine Öğrenmesi

Bir Veri Bilimcisi için 5 Faydalı Jupyter Dizüstü Bilgisayar Uzantısı

Bir Veri Bilimcisi için 5 Faydalı Jupyter Dizüstü Bilgisayar Uzantısı

Her veri bilimcisi, zamanının çoğunu sonuçlara göre veri görselleştirme, ön işleme ve model ayarlama ile geçirir. Bunlar her veri bilimcisi için en zor durumlardır çünkü bu üç adımı tam olarak gerçekleştirdiğinizde iyi bir model elde edersiniz. Bu durumlarda yardımcı olacak 5 çok yararlı jupyter dizüstü bilgisayar uzantısı vardır.

1. Qgrid

Qgrid, bir Jupyter not defterinde pandas DataFrame’lerini oluşturmak için SlickGrid kullanan bir Jupyter not defteri pencere öğesidir. Bu, DataFrame’lerinizi sezgisel kaydırma, sıralama ve filtreleme kontrolleriyle keşfetmenize ve ayrıca hücrelere çift tıklayarak DataFrame’lerinizi düzenlemenize olanak tanır.

Kurulum:

pip install qgrid  #Installing with pip
conda install qgrid  #Installing with conda

 

2. itables

ITables pandas DataFrame’lerini ve Serilerini hem not defterlerinizde hem de HTML temsillerinde etkileşimli veri tablolarına dönüştürür. ITables, temel Javascript kullanır ve bu nedenle, JupyterLab’de değil, sadece Jupyter Notebook’ta çalışacaktır.

Kurulum:

pip install itables

Tüm seriler ve dataframeler için etkileşimli modu etkinleştirin.

from itables import init_notebook_mode
init_notebook_mode(all_interactive=True)import world_bank_data as wb

df = wb.get_countries()
df

3. bqplot

bqplot, Grammar of Graphics yapılarına dayanan Jupyter için 2 boyutlu bir görselleştirme sistemidir.

Amaçları

  • Bir pythonic API ile 2 boyutlu görselleştirmeler için birleşik bir framework sağlar.
  • Kullanıcı etkileşimleri eklemek için mantıklı bir API sağlar (kaydırma, yakınlaştırma, seçim vb.)

Bu sayede:

  • Kullanıcılar, Grafik Dilbilgisi’nin yapılarından (şekil, işaretler, eksenler, ölçekler) esinlenen dahili nesne modelini kullanarak özel görselleştirmeler oluşturabilir ve görselleştirmelerini Etkileşim Katmanımızla zenginleştirebilir.
  • Veya çoğu parametre için mantıklı varsayılan seçimler sağlayan Matplotlib’in pyplot’una benzer bağlam tabanlı API’yi kullanabilirler.

4. livelossplot

Liveossplot, Keras, PyTorch ve diğer çerçeveler için Jupyter Notebook’ta canlı bir training-lost grafiği sağlar.

Kurulum:

pip install livelossplot

Kullanım:

from livelossplot import PlotLossesKeras

model.fit(X_train, Y_train,
epochs=10,
validation_data=(X_test, Y_test),
callbacks=[PlotLossesKeras()],
verbose=0)

5. TensorWatch

TensorWatch, Microsoft Research tarafından veri bilimi, derin öğrenme ve pekiştirmeli öğrenme için tasarlanmış bir hata ayıklama ve görselleştirme aracıdır. Makine öğrenimi eğitiminizin gerçek zamanlı görselleştirmelerini göstermek ve modelleriniz ve verileriniz için diğer birkaç önemli analiz görevini gerçekleştirmek için Jupyter Notebook üzerinde çalışır.

Kurulum:

pip install tensorwatch

 

Bahsetmiş olduğumuz bu 5 eklenti ile siz de veri bilimi çalışmalarınıza kolaylık sağlayabilirsiniz.

 

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Buna da göz atın

Close
Close