人工学习：绘制机器学习模型

在过去，编写基于规则的系统很普遍。做的系统；

我们开始怀疑在此过渡过程中是否会丢失一些东西。当然，机器学习涵盖了很多领域，但也有可能做出错误的决定。我们还达到了一个大肆宣传的阶段，人们忘记了自然知识也可以解决许多分类问题。

该软件包包含scikit-learn兼容工具，这些工具应该使构建和基准化由人类设计的基于规则的系统更加容易。您还可以将其与ML模型结合使用。

可以在alivecode.io上获得有关此工具的完整课程。这是第一个视频。

使用此工具可以绘制数据集。以后可以将这些工程图转换为模型或预处理工具。

这使您可以定义可以进行分类预测的函数。它的构造方式是，您可以将函数的参数用作可以在网格搜索中进行基准测试的参数。

这使您可以在交互式图表中绘制决策边界以创建模型。您可以在笔记本中交互式创建图表，并将其导出为ascikit-learn兼容模型。

这使您可以定义可以进行回归预测的函数。它的构造方式是，您可以将函数的参数用作可以在网格搜索中进行基准测试的参数。

这使您可以定义一个可以声明异常值的函数。它的构造方式使您可以将函数的参数用作可以在网格搜索中进行基准测试的参数。

这使您可以在交互式图表中绘制决策边界以创建模型。如果一个点超出了这些界限，我们也许可以将其声明为离群值。有一个阈值参数，用于说明您可能想要的严格程度。

这使您可以定义可以进行句柄预处理的函数。它的构造方式是，您可以将函数的参数用作可以在网格搜索中进行基准测试的参数。与pandas .p​​ipe方法结合使用时，此功能特别强大。如果您不熟悉此惊人功能，则可能会喜欢本教程。

这使您可以绘制要添加到数据集或机器学习管道的功能。您可以通过tfm.fit（df）.transform（df）和df.pipe（tfm）使用它。

该库托管了流行的泰坦尼克号幸存者数据集，以进行演示。该数据集的目的是预测谁可能在泰坦尼克号灾难中幸免。

该市场还托管鱼类市场数据集。该数据集的目的是预测鱼的体重。但是，通过预测物种也可以将其转变为分类问题。