Metadata-Version: 2.1
Name: classicML
Version: 0.4b2
Summary: An easy-to-use ML framework
Home-page: https://github.com/sun1638650145/classicML
Author: Steve Sun
Author-email: s1638650145@gmail.com
License: Apache Software License
Platform: UNKNOWN
Classifier: Programming Language :: Python :: 3
Classifier: License :: OSI Approved :: Apache Software License
Classifier: Operating System :: OS Independent
Requires-Python: >=3.6
Description-Content-Type: text/markdown
Requires-Dist: numpy (>=1.18.4)
Requires-Dist: pandas (>=1.0.3)
Requires-Dist: matplotlib (>=3.2.1)

# classicML 
Python简单易用的经典机器学习框架
## 重要信息

你可以使用pip安装

```shell
pip install classicML
```

## version v0.1
1. 添加决策树
2. 决策树支持离散值、连续值
3. 基于信息熵、信息增益、基尼指数划分；支持预剪枝和后剪枝；暂不支持多变量决策树和缺失值处理（建议在读入数据集之前处理）

## version v0.2
1. 添加神经网络
2. 神经网络支持交叉熵损失函数和均方误差损失函数；支持的优化器有GradientDescent、SGD、Adam

### version v0.2.2
1. 发行版发布到PyPi

### version v0.2.3

1. 添加径向基函数神经网络
2. 例行修复BUG

### version v0.2.4

1. 重写sklearn依赖函数，添加到DecisionTree.tree_model.backend，显著减少安装后实际的环境大小

## version v0.3

1. DecisionTree: 优化API调用方式，是语法更统一；增加决策树的输入特征数据类型，理论上现在支持一切的array-like的数据类型
2. NeuralNetwork: verbose支持显示预计时间；BPNN支持自定义损失函数
3. SupportVectorMachine: 添加支持向量分类器；支持的核函数有线性核、多项式核、高斯核、Sigmoid核和自定义核函数
4. 自定义核函数接口用户可以自定义, 并在DemoZoo提供例子
5. 例行修复BUG

## version v0.4b1

1. LinearModel: 增加LogisticRegression
2. SupportVectorMachine: 优化计算核函数的函数，减少代码重复

## version v0.4b2

1. LinearModel: 增加LinearDiscriminantAnalysis

