JAI - 相信你的数据
项目描述
Jai SDK - 信任您的数据
安装
源代码目前托管在 GitHub 上：https ://github.com/jquant/jai-sdk
可以从以下位置安装最新版本的 JAI-SDK pip：
pip install jai-sdk --user
如今，JAI 支持 python 3.7+。如需更多信息，请参阅我们的文档。
获取您的身份验证密钥
JAI 需要一个身份验证密钥来组织和保护集合。您可以通过运行以下命令快速生成永久免费的身份验证密钥：
from jai import get_auth_key
get_auth_key(email='email@mail.com', firstName='Jai', lastName='Z')
注意：您的身份验证密钥将发送到您的电子邮件，因此请确保使用有效地址并检查您的垃圾邮件文件夹。
它是如何工作的？
使用 JAI，您可以在云中训练模型并在训练后的模型上运行推理。此外，您可以通过 REST API 端点实现所有模型。
首先，您可以将身份验证密钥设置为环境变量或使用 :file:.env文件或 :file:.ini文件。请查看如何配置您的身份验证密钥部分以获取更多信息。
.env下面是 :file:文件内容的示例：
JAI_AUTH="xXxxxXXxXXxXXxXXxXXxXXxXXxxx"
在下面的示例中，我们将展示如何使用加利福尼亚住房数据集训练一个简单的监督模型（回归），从该模型运行预测，并直接从 REST API 调用该预测。
import pandas as pd
from jai import Jai
from sklearn.datasets import fetch_california_housing
# Load dataset
data, labels = fetch_california_housing(as_frame=True, return_X_y=True)
model_data = pd.concat([data, labels], axis=1)
# Instanciating JAI class
j = Jai()
# Send data to JAI for feature extraction
j.fit(
name='california_supervised', # JAI collection name
data=model_data, # Data to be processed
db_type='Supervised', # Your training type ('Supervised', 'SelfSupervised' etc)
verbose=2,
hyperparams={
'learning_rate': 3e-4,
'pretraining_ratio': 0.8
},
label={
'task': 'regression',
'label_name': 'MedHouseVal'
},
overwrite=True)
# Run prediction
j.predict(name='california_supervised', data=data)
在此示例中，您可以使用加利福尼亚住房数据集训练一个监督模型，并使用一些数据进行预测。
JAI 支持许多其他训练模型，例如自监督模型训练。此外，它还可以训练不同的数据类型，如文本和图像。您可以在The Fit Method上找到 JAI 支持的模型类型的完整列表。
阅读我们的文档
如需更多信息，请参阅我们的文档。
下载文件
下载适用于您平台的文件。如果您不确定要选择哪个，请了解有关安装包的更多信息。
源分布
jai-sdk-0.22.1.tar.gz
（51.0 kB
查看哈希）
内置分布
jai_sdk-0.22.1-py3-none-any.whl
（62.3 kB
查看哈希）