Примеры использования bosk#
На этой странице вы можете найти различные примеры
использования bosk с комментариями и иллюстрациями.
Все перечисленные ниже файлы (и не только) можно найти
в нашем репозитории GitHub
в папке examples.
Ниже Вы можете увидеть краткий самодостаточный пример использования bosk. Его можно скопировать на локальную машину и запустить после установки пакета.
from bosk.pipeline.builder.functional import FunctionalPipelineBuilder
from bosk.executor.topological import TopologicalExecutor
from bosk.stages import Stage
from sklearn.datasets import make_moons
from sklearn.model_selection import train_test_split
from sklearn.metrics import roc_auc_score
n_estimators = 20
random_state = 42
# создание объекта, конструирующего конвейер
b = FunctionalPipelineBuilder()
# создание оберток вычислительных блоков
# и их соединение в функциональном стиле
X, y = b.Input()(), b.TargetInput()()
rf_1 = b.RFC(n_estimators=n_estimators)(X=X, y=y)
et_1 = b.ETC(n_estimators=n_estimators)(X=X, y=y)
concat_1 = b.Concat(['X', 'rf_1', 'et_1'])(X=X, rf_1=rf_1, et_1=et_1)
rf_2 = b.RFC(n_estimators=n_estimators)(X=concat_1, y=y)
et_2 = b.ETC(n_estimators=n_estimators)(X=concat_1, y=y)
stack = b.Stack(['rf_2', 'et_2'], axis=1)(rf_2=rf_2, et_2=et_2)
average = b.Average(axis=1)(X=stack)
argmax = b.Argmax(axis=1)(X=average)
rf_1_roc_auc = b.RocAuc()(gt_y=y, pred_probas=rf_1)
roc_auc = b.RocAuc()(gt_y=y, pred_probas=average)
# после задания структуры вычислительного графа
# мы создаем конвейер
pipeline = b.build(
{'X': X, 'y': y},
{'labels': argmax, 'probas': average, 'rf_1_roc-auc': rf_1_roc_auc, 'roc-auc': roc_auc}
)
# у нашей модели можно задать случайное зерно
pipeline.set_random_state(random_state)
# давайте сгенерируем данные
# для обучения и тестирования конвейера
all_X, all_y = make_moons(noise=1, random_state=random_state)
train_X, test_X, train_y, test_y = train_test_split(
all_X, all_y, test_size=0.2, random_state=random_state)
# создание исполнителей
fit_executor = TopologicalExecutor(
pipeline,
stage=Stage.FIT,
inputs=['X', 'y'],
outputs=['probas', 'rf_1_roc-auc', 'roc-auc']
)
transform_executor = TopologicalExecutor(
pipeline,
stage=Stage.TRANSFORM,
inputs=['X'],
outputs=['probas', 'labels']
)
# выполнение нашего конвейера и расчет метрик
fit_result = fit_executor({'X': train_X, 'y': train_y}).numpy()
print(
"Train ROC-AUC calculated by fit executor:",
fit_result['roc-auc']
)
test_result = transform_executor({'X': test_X}).numpy()
print("Test ROC-AUC:", roc_auc_score(test_y, test_result['probas'][:, 1]))
Примеры использования bosk: