scikit-learn 兼容的分位数森林。

项目描述

分位数森林

quantile-forest提供了与 scikit-learn 兼容的分位数回归森林的 Python 实现。

分位数回归森林是一种非参数、基于树的集成方法，用于估计条件分位数，适用于高维数据和不确定性估计[1]。这个包中的估计器扩展了 scikit-learn 中可用的森林估计器来估计条件分位数。它们与 scikit-learn 变体兼容并可作为替代品。

加利福尼亚住房数据的拟合模型预测和预测区间示例（代码）

快速开始

使用以下命令从PyPI安装分位数森林pip：

pip install quantile-forest

用法

  from quantile_forest import RandomForestQuantileRegressor
  from sklearn import datasets
  X, y = datasets.fetch_california_housing(return_X_y=True)
  qrf = RandomForestQuantileRegressor()
  qrf.fit(X, y)
  y_pred = qrf.predict(X, quantiles=[0.025, 0.5, 0.975])

文档

可以在文档中找到安装指南、API 文档和示例。

参考

[1] N. Meinshausen，“分位数回归森林”，机器学习研究杂志，7（六月），983-999，2006。http: //www.jmlr.org/papers/volume7/meinshausen06a/meinshausen06a.pdf

项目详情

发布历史发布通知| RSS订阅

这个版本

1.0.2

2022 年 3 月 28 日

1.0.1

2022 年 3 月 24 日

1.0.0

2022 年 3 月 23 日

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。

内置发行版

quantile_forest-1.0.2-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl （1.2 MB 查看哈希）

已上传 2022 年 3 月 28 日 cp310

quantile_forest-1.0.2-cp310-cp310-macosx_10_9_x86_64.whl （188.0 kB 查看哈希）

已上传 2022 年 3 月 28 日 cp310

quantile_forest-1.0.2-cp39-cp39-win_amd64.whl （163.6 kB 查看哈希）

已上传 2022 年 3 月 28 日 cp39

quantile_forest-1.0.2-cp39-cp39-win32.whl （139.9 kB 查看哈希）

已上传 2022 年 3 月 28 日 cp39

quantile_forest-1.0.2-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl （1.2 MB 查看哈希）

已上传 2022 年 3 月 28 日 cp39

quantile_forest-1.0.2-cp39-cp39-macosx_10_9_x86_64.whl （188.3 kB 查看哈希）

已上传 2022 年 3 月 28 日 cp39

quantile_forest-1.0.2-cp38-cp38-win_amd64.whl （164.3 kB 查看哈希）

已上传 2022 年 3 月 28 日 cp38

quantile_forest-1.0.2-cp38-cp38-win32.whl （140.7 kB 查看哈希）

已上传 2022 年 3 月 28 日 cp38

quantile_forest-1.0.2-cp38-cp38-manylinux_2_17_x86_64.manylinux2014_x86_64.whl （1.2 MB 查看哈希）

已上传 2022 年 3 月 28 日 cp38

quantile_forest-1.0.2-cp38-cp38-macosx_10_9_x86_64.whl （188.4 kB 查看哈希）

已上传 2022 年 3 月 28 日 cp38

quantile_forest-1.0.2-cp37-cp37m-win_amd64.whl （161.9 kB 查看哈希）

已上传 2022 年 3 月 28 日 cp37

quantile_forest-1.0.2-cp37-cp37m-win32.whl （138.3 kB 查看哈希）

已上传 2022 年 3 月 28 日 cp37

quantile_forest-1.0.2-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl （1.1 MB 查看哈希）

已上传 2022 年 3 月 28 日 cp37

quantile_forest-1.0.2-cp37-cp37m-macosx_10_9_x86_64.whl （189.5 kB 查看哈希）

已上传 2022 年 3 月 28 日 cp37

quantile_forest-1.0.2- cp310 -cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl 的哈希值

quantile_forest-1.0.2-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`e8bf3e17f8fb188560c58994fc427c6385fb876f5d8e2deef5e97628249343a6`
MD5	`2092cc64414f0eb13b2793cbee0fef5f`
布莱克2-256	`ea7533dc392c3abcd9ffbdd5b90b174b30623e0d922ac911b1d29f1b57f404e7`

quantile_forest-1.0.2- cp310 -cp310-macosx_10_9_x86_64.whl 的哈希值

quantile_forest-1.0.2-cp310-cp310-macosx_10_9_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`087241b3c4f4968bfb8bf4b9b010b75a92fdc4b7034c264272788eda94031b25`
MD5	`fd6e79887c9c446eb6e46f2ba1603670`
布莱克2-256	`d8249421e7af38063064a802ce680bc7f6d0d9339bf8c19faabf7a4a79a77eec`

quantile_forest-1.0.2- cp39 -cp39-win_amd64.whl 的哈希值

quantile_forest-1.0.2-cp39-cp39-win_amd64.whl 的哈希值
算法	哈希摘要
SHA256	`08a4795344f48a592ce35d4d39585ddbd3635729e5a9d578e5743c141e80c93b`
MD5	`609aa94b581081a49accbb51b6238f65`
布莱克2-256	`6712e47c6ca3b67718e1601f9d569b8a8f824c5272f6616bae7e6437e98f8140`

quantile_forest-1.0.2- cp39 -cp39-win32.whl 的哈希值

quantile_forest-1.0.2-cp39-cp39-win32.whl 的哈希值
算法	哈希摘要
SHA256	`6a1d78b576eb1898ffe161a09c226d2d3295cf8d38ec3e0898b6e4360e1e83a5`
MD5	`a1decb55f3517fbbf4bca0c2f2b30adc`
布莱克2-256	`71de79f29015f62566f10024e2a41f6621cbf071e37a7f036da393622b508cdf`

quantile_forest-1.0.2- cp39 -cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl 的哈希值

quantile_forest-1.0.2-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`18697a7a82bea6d1d876c743eb96da5b32c37b1eeb6f937197ec95052ddd9dd6`
MD5	`4cad8d29601f8ac5def89e49c4db77d7`
布莱克2-256	`a3bf0a26c46fc547e2039b627c48c05be4b2d4d64d8a170d189747975ab917dc`

quantile_forest-1.0.2- cp39 -cp39-macosx_10_9_x86_64.whl 的哈希值

quantile_forest-1.0.2-cp39-cp39-macosx_10_9_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`bfcef509f3febbc0d035f5c679e410977e80a39c7aaeb842383b3a99d860e5fc`
MD5	`223ca57e96554d8dea47e7efe8f73818`
布莱克2-256	`8490a71c6b1b0682dc94673e9df9e779268d2948dd97e1e5dbb11b46e72011b5`

quantile_forest-1.0.2- cp38 -cp38-win_amd64.whl 的哈希值

quantile_forest-1.0.2-cp38-cp38-win_amd64.whl 的哈希值
算法	哈希摘要
SHA256	`300c85c1bdb263225b2dd82518476276a77fd2ec9406b987cc16d702ff338a74`
MD5	`4591246b613c8bb8602f8b37f04ccee3`
布莱克2-256	`09fe3db10ba4eb24e2aff2599b5696d8e7bb01e4c564eb98eb1b9331084d3878`

quantile_forest-1.0.2- cp38 -cp38-win32.whl 的哈希值

quantile_forest-1.0.2-cp38-cp38-win32.whl 的哈希值
算法	哈希摘要
SHA256	`d728579f8c22b9b774b51058de8e62ed395740b1fa65d68e1e82e1ee5c8fa52f`
MD5	`b31953a5bcc577ee212e4a1a9972de7e`
布莱克2-256	`504529969b24b96b9b7b4e0aee3b4bff0cd5366f819e4f5986367cb68447c3c5`

quantile_forest-1.0.2- cp38 -cp38-manylinux_2_17_x86_64.manylinux2014_x86_64.whl 的哈希值

quantile_forest-1.0.2-cp38-cp38-manylinux_2_17_x86_64.manylinux2014_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`865ea5d4264252dc1c0fac978987280814e8e1bce3306f87e27723898baf2242`
MD5	`138baf42cd9f80c9b457c2802d44c034`
布莱克2-256	`918c293fff5dc5c3e0b5895c7e2f8c2410d6728fea78c4971aa13c76674fb94d`

quantile_forest-1.0.2- cp38 -cp38-macosx_10_9_x86_64.whl 的哈希值

quantile_forest-1.0.2-cp38-cp38-macosx_10_9_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`31cd1817f2d1c2648917d93d2391188ec1d5179583395a84231a16a81460a16a`
MD5	`66f9970195060eaea88840be33bd1c35`
布莱克2-256	`0441a1109849344aa81f8eabf433339053eaeb464565a4262713fff5f0198193`

quantile_forest-1.0.2- cp37 -cp37m-win_amd64.whl 的哈希值

quantile_forest-1.0.2-cp37-cp37m-win_amd64.whl 的哈希值
算法	哈希摘要
SHA256	`ffb305b0856594eb17b6c449ff091cea7583ca5179628db5f0537847f72dc237`
MD5	`cd0bdb65de47b1f4452a885521f67f0b`
布莱克2-256	`b4c529b3f94a55e05229e0940a0d2233e62bbca4e72553747c59f4ea45782942`

quantile_forest-1.0.2- cp37 -cp37m-win32.whl 的哈希值

quantile_forest-1.0.2-cp37-cp37m-win32.whl 的哈希值
算法	哈希摘要
SHA256	`f033723402011a131952835b8a44a9642ec08fc4c01fb5368eeef5694458e574`
MD5	`794c223b17fa1925333a1a886184d0dd`
布莱克2-256	`9b86b84f7c27b9795e0d4f17fe6b1451e551b05f0dd2a17a28dcc1e3b13a24b2`

quantile_forest-1.0.2- cp37 -cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl 的哈希值

quantile_forest-1.0.2-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`a9644cf7b88bdba3f026ea14e7feafe700b87335d5c5913856ddfb9ec849e664`
MD5	`2b91b57d65de2e867f38e1fd8b76a53f`
布莱克2-256	`38910a74921bc1e04146f459c831f9728208456d4cfd5b72663bcf13823080af`

quantile_forest-1.0.2- cp37 -cp37m-macosx_10_9_x86_64.whl 的哈希值

quantile_forest-1.0.2-cp37-cp37m-macosx_10_9_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`c2400c1a1145bb34989a440b3c3dc6679af1ae250b29ba0c6aef3d0ca3f6ca55`
MD5	`758000c49a43733bbf6a3c83773e1b82`
布莱克2-256	`80784435ec9aae5f275c00b07002e5c1de9712eed71c553e11a1c00294581e95`

quantile-forest 1.0.2

导航

统计数据

Meta

Maintainers

分类

项目描述

分位数森林

加利福尼亚住房数据的拟合模型预测和预测区间示例（代码）

快速开始

用法

文档

参考

项目详情

统计数据

元

维护者

分类器

发布历史发布通知| RSS订阅

下载文件

内置发行版

quantile-forest 1.0.2

导航

统计数据

Meta

Maintainers

分类

项目描述

分位数森林

加利福尼亚住房数据的拟合模型预测和预测区间示例（代码）

快速开始

用法

文档

参考

项目详情

统计数据

元

维护者

分类器

发布历史 发布通知| RSS订阅

下载文件

内置发行版

发布历史发布通知| RSS订阅