trainedml

trainedml est une bibliothèque Python modulaire pour l’apprentissage automatique supervisé, conçue pour l’enseignement, la recherche et le prototypage rapide.

• Chargement flexible de jeux de données publics ou personnalisés

• Modèles classiques (Random Forest, KNN, Régression Logistique)

• Visualisations intégrées (heatmap, histogramme, courbe)

• API simple pour l’intégration web/applications

• Documentation API complète et tests unitaires

Guide de démarrage rapide

from trainedml import Trainer
trainer = Trainer(dataset="iris", model="random_forest")
trainer.fit()
print(trainer.evaluate())
y_pred = trainer.predict([[5.1, 3.5, 1.4, 0.2]])

Installation

pip install -r requirements.txt
pip install .

Utilisation en ligne de commande

python -m trainedml --dataset iris --model random_forest --show

Sections de la documentation

API

• trainedml - API détaillée
  • k-Nearest Neighbors (kNN)
  • Régression logistique
  • Random Forest
  • Visualizer
  • DataAnalyzer
  • Vizs (visualisations de base)
  • Heatmap
  • Histogram
  • Line
  • Distribution
  • Correlation
  • Missing Values
  • Outliers
  • Target
  • Boxplot
  • Bivariate
  • Normality
  • Multicollinearity
  • Profiling

Explications mathématiques des méthodes

Explications mathématiques des méthodes

Note

Les explications mathématiques détaillées pour chaque méthode sont disponibles dans la section API détaillée :

• k-Nearest Neighbors (kNN)

• Régression Logistique

• Random Forest

(voir aussi « modules » dans le menu de gauche)

FAQ

Q : Comment ajouter un nouveau dataset ?

R : Utilisez la classe DataLoader avec l’URL de votre CSV et le nom de la colonne cible.

Q : Puis-je utiliser mes propres modèles ?

R : Oui, il suffit d’implémenter la classe BaseModel et de l’ajouter à MODEL_MAP.

Contribuer

Les contributions sont les bienvenues ! Merci de soumettre vos issues et pull requests sur GitHub.

Licence

Ce projet est distribué sous licence MIT.