river_logo

River è una libreria Python per machine learning online. Il suo obiettivo è essere la libreria più user-friendly per fare machine learning su dati in streaming. River è il risultato di una fusione tra creme e scikit-multiflow.

⚡️ Avvio rapido

Come rapido esempio, addestreremo una regressione logistica per classificare il dataset di phishing dei siti web. Ecco uno sguardo alla prima osservazione del dataset.

>>> from pprint import pprint
>>> from river import datasets

>>> dataset = datasets.Phishing()

>>> for x, y in dataset:
...     pprint(x)
...     print(y)
...     break
{'age_of_domain': 1,
 'anchor_from_other_domain': 0.0,
 'empty_server_form_handler': 0.0,
 'https': 0.0,
 'ip_in_url': 1,
 'is_popular': 0.5,
 'long_url': 1.0,
 'popup_window': 0.0,
 'request_from_other_domain': 0.0}
True

Ora eseguiamo il modello sul dataset in modalità streaming. Intervalliamo in sequenza le predizioni e gli aggiornamenti del modello. Nel frattempo, aggiorniamo una metrica di performance per vedere quanto bene sta andando il modello.

>>> from river import compose
>>> from river import linear_model
>>> from river import metrics
>>> from river import preprocessing

>>> model = compose.Pipeline(
...     preprocessing.StandardScaler(),
...     linear_model.LogisticRegression()
... )

>>> metric = metrics.Accuracy()

>>> for x, y in dataset:
...     y_pred = model.predict_one(x)      # make a prediction
...     metric.update(y, y_pred)           # update the metric
...     model.learn_one(x, y)              # make the model learn

>>> metric
Accuracy: 89.28%

Ovviamente, questo è solo un esempio fittizio. Ti invitiamo a consultare la sezione introduzione della documentazione per un tutorial più approfondito.

🛠 Installazione

River è pensato per funzionare con Python 3.11 e versioni successive. L'installazione può essere effettuata con pip:

pip install river

Sono disponibili wheel per Linux, macOS e Windows. Questo significa che molto probabilmente non dovrai compilare River dal sorgente.

L'interfaccia online principale di River (learn_one / predict_one) non ha dipendenze da pandas. L'interfaccia mini-batch (learn_many, predict_many, predict_proba_many, transform_many) è basata su pandas ed è opzionale:

pip install "river[pandas]"

Puoi installare l'ultima versione di sviluppo da GitHub in questo modo:

pip install git+https://github.com/online-ml/river --upgrade
pip install git+ssh://[email protected]/online-ml/river.git --upgrade  # using SSH

Questo metodo richiede che Cython e Rust siano installati sulla tua macchina.

🔮 Funzionalità

River fornisce implementazioni online delle seguenti famiglie di algoritmi:

Modelli lineari, con un'ampia gamma di ottimizzatori
Alberi decisionali e random forest
Vicini più prossimi (approssimati)
Rilevamento di anomalie
Rilevamento del drift
Sistemi di raccomandazione
Previsione di serie temporali
Bandits
Macchine a fattorizzazione
Apprendimento su dati sbilanciati
Clustering
Bagging/boosting/stacking
Apprendimento attivo

River offre anche altre utility online:

Estrazione e selezione delle feature
Statistiche e metriche online
Preprocessing
Dataset integrati
Validazione progressiva dei modelli
Pipeline di modelli

Dai un'occhiata alle API per una panoramica completa

🤔 Dovrei usare River?

Devi chiederti se ti serve il machine learning online. La risposta è probabilmente no. Nella maggior parte dei casi l'apprendimento batch fa perfettamente al caso tuo. Un approccio online potrebbe essere adatto se:

Vuoi un modello che possa imparare da nuovi dati senza dover rielaborare i dati passati.
Vuoi un modello robusto al concept drift.
Vuoi sviluppare il tuo modello in un modo più vicino a ciò che accade in un contesto di produzione, che di solito è basato su eventi.

Alcune specificità di River sono:

Punta sulla chiarezza e sull'esperienza utente, più che sulle prestazioni.
È molto veloce nell'elaborare un campione alla volta. Provalo, vedrai.
Si integra bene con il resto dell'ecosistema Python.

🔗 Link utili

👐 Contributi

Sentiti libero di contribuire come preferisci, siamo sempre aperti a nuove idee e approcci.

Apri una discussione se hai qualsiasi domanda o richiesta. È più utile porre la tua domanda in pubblico piuttosto che inviarci un'email privata. È inoltre consigliato aprire una discussione prima di contribuire, così tutti sono allineati e si evita lavoro non necessario.
Sentiti libero di aprire una issue se pensi di aver individuato un bug o un problema di prestazioni.
La nostra roadmap è pubblica. Sentiti libero di lavorare su qualsiasi cosa attiri la tua attenzione, o di fare suggerimenti.

Dai un'occhiata alle linee guida per i contributi se vuoi apportare modifiche al codice.

🤝 Affiliazioni

affiliations

💬 Citazione

Se River ti è stato utile e desideri citarlo in una pubblicazione scientifica, fai riferimento all'articolo pubblicato su JMLR:

@article{montiel2021river,
  title={River: machine learning for streaming data in Python},
  author={Montiel, Jacob and Halford, Max and Mastelini, Saulo Martiello
          and Bolmier, Geoffrey and Sourty, Raphael and Vaysse, Robin and Zouitine, Adil
          and Gomes, Heitor Murilo and Read, Jesse and Abdessalem, Talel and others},
  year={2021}
}

📝 Licenza

River è un software libero e open-source distribuito sotto la licenza BSD a 3 clausole.

river

Più Popolari