Predatamaker


NamePredatamaker JSON
Version 0.0.5 PyPI version JSON
download
home_page
SummaryAjuda na utilização de dados
upload_time2024-02-01 04:56:23
maintainer
docs_urlNone
author
requires_python
licenseMIT License
keywords predatamaker
VCS
bugtrack_url
requirements No requirements were recorded.
Travis-CI No Travis.
coveralls test coverage No coveralls. 
            <span style="font-family: 'Ariel', sans-serif; font-size: 24px;">Descrição</span>



<span style="font-family: 'Ariel', sans-serif; font-size: 16px;">A classe Predatamaker é uma biblioteca em Python desenvolvida para manipulação e análise de dados, com foco em auxiliar no aprendizado básico de programação em Inteligência Artificial (IA) e facilitar o tratamento de dados. Ela ajuda na manipulação de dados gerais, evitando o cansaço que se da pela pratica de ficar escrevendo sempre a mesma coisa e de ter que aprender a fazer processos extras, ajudando o usuário a focar na base principal primeiro. </span>


<span style="font-family: 'Ariel', sans-serif; font-size: 24px;">Funcionalidades</span>




<span style="font-family: 'Ariel', sans-serif; font-size: 16px;">organizar_dados
Descrição: Organiza dados em diferentes estruturas, como listas, dicionários ou arquivos CSV. Pode ordenar os dados com base em uma chave e salvar em um novo arquivo CSV, se fornecido.
Geração de Curvas de Avaliação:

gerar_curvas_avaliacao
Descrição: Gera e exibe curvas de avaliação, incluindo curvas ROC, precisão-recall e matriz de confusão. Permite personalizar o tipo de gráfico a ser exibido.
Extração de Características Relevantes:

extrair_caracteristicas_relevantes
Descrição: Extrai características relevantes de um conjunto de dados. Oferece métodos como seleção de características, Análise de Componentes Principais (PCA) e remoção de características correlacionadas.
Geração de Tabelas Simuladas:

gerar_tabelas
Descrição: Gera tabelas simuladas para experimentação. Os modelos disponíveis incluem linear, quadrático e aleatório, com a opção de fornecer coeficientes para os modelos lineares e quadráticos.</span>

Raw data

            {
    "_id": null,
    "home_page": "",
    "name": "Predatamaker",
    "maintainer": "",
    "docs_url": null,
    "requires_python": "",
    "maintainer_email": "",
    "keywords": "Predatamaker",
    "author": "",
    "author_email": "gabrielqs543543@gmail.com",
    "download_url": "https://files.pythonhosted.org/packages/d2/22/9d73996dfa641df1ce8b97e8671af02c45905d1dcdc875f3c795f67caaa5/Predatamaker-0.0.5.tar.gz",
    "platform": null,
    "description": "<span style=\"font-family: 'Ariel', sans-serif; font-size: 24px;\">Descri\u00c3\u00a7\u00c3\u00a3o</span>\r\n\r\n\r\n\r\n<span style=\"font-family: 'Ariel', sans-serif; font-size: 16px;\">A classe Predatamaker \u00c3\u00a9 uma biblioteca em Python desenvolvida para manipula\u00c3\u00a7\u00c3\u00a3o e an\u00c3\u00a1lise de dados, com foco em auxiliar no aprendizado b\u00c3\u00a1sico de programa\u00c3\u00a7\u00c3\u00a3o em Intelig\u00c3\u00aancia Artificial (IA) e facilitar o tratamento de dados. Ela ajuda na manipula\u00c3\u00a7\u00c3\u00a3o de dados gerais, evitando o cansa\u00c3\u00a7o que se da pela pratica de ficar escrevendo sempre a mesma coisa e de ter que aprender a fazer processos extras, ajudando o usu\u00c3\u00a1rio a focar na base principal primeiro. </span>\r\n\r\n\r\n<span style=\"font-family: 'Ariel', sans-serif; font-size: 24px;\">Funcionalidades</span>\r\n\r\n\r\n\r\n\r\n<span style=\"font-family: 'Ariel', sans-serif; font-size: 16px;\">organizar_dados\r\nDescri\u00c3\u00a7\u00c3\u00a3o: Organiza dados em diferentes estruturas, como listas, dicion\u00c3\u00a1rios ou arquivos CSV. Pode ordenar os dados com base em uma chave e salvar em um novo arquivo CSV, se fornecido.\r\nGera\u00c3\u00a7\u00c3\u00a3o de Curvas de Avalia\u00c3\u00a7\u00c3\u00a3o:\r\n\r\ngerar_curvas_avaliacao\r\nDescri\u00c3\u00a7\u00c3\u00a3o: Gera e exibe curvas de avalia\u00c3\u00a7\u00c3\u00a3o, incluindo curvas ROC, precis\u00c3\u00a3o-recall e matriz de confus\u00c3\u00a3o. Permite personalizar o tipo de gr\u00c3\u00a1fico a ser exibido.\r\nExtra\u00c3\u00a7\u00c3\u00a3o de Caracter\u00c3\u00adsticas Relevantes:\r\n\r\nextrair_caracteristicas_relevantes\r\nDescri\u00c3\u00a7\u00c3\u00a3o: Extrai caracter\u00c3\u00adsticas relevantes de um conjunto de dados. Oferece m\u00c3\u00a9todos como sele\u00c3\u00a7\u00c3\u00a3o de caracter\u00c3\u00adsticas, An\u00c3\u00a1lise de Componentes Principais (PCA) e remo\u00c3\u00a7\u00c3\u00a3o de caracter\u00c3\u00adsticas correlacionadas.\r\nGera\u00c3\u00a7\u00c3\u00a3o de Tabelas Simuladas:\r\n\r\ngerar_tabelas\r\nDescri\u00c3\u00a7\u00c3\u00a3o: Gera tabelas simuladas para experimenta\u00c3\u00a7\u00c3\u00a3o. Os modelos dispon\u00c3\u00adveis incluem linear, quadr\u00c3\u00a1tico e aleat\u00c3\u00b3rio, com a op\u00c3\u00a7\u00c3\u00a3o de fornecer coeficientes para os modelos lineares e quadr\u00c3\u00a1ticos.</span>\r\n",
    "bugtrack_url": null,
    "license": "MIT License",
    "summary": "Ajuda na utiliza\u00e7\u00e3o de dados",
    "version": "0.0.5",
    "project_urls": null,
    "split_keywords": [
        "predatamaker"
    ],
    "urls": [
        {
            "comment_text": "",
            "digests": {
                "blake2b_256": "086b3b4b94aabfde44925fcbbd4bab4737cfcf341f12b3faad6ec487e5cab936",
                "md5": "327857f824a3d96e3e4954a815eab11b",
                "sha256": "c58fefed31487d72ec9d58e942f8872aae320e85ae1219e11d0293a27fd2af06"
            },
            "downloads": -1,
            "filename": "Predatamaker-0.0.5-py3-none-any.whl",
            "has_sig": false,
            "md5_digest": "327857f824a3d96e3e4954a815eab11b",
            "packagetype": "bdist_wheel",
            "python_version": "py3",
            "requires_python": null,
            "size": 6237,
            "upload_time": "2024-02-01T04:56:21",
            "upload_time_iso_8601": "2024-02-01T04:56:21.266977Z",
            "url": "https://files.pythonhosted.org/packages/08/6b/3b4b94aabfde44925fcbbd4bab4737cfcf341f12b3faad6ec487e5cab936/Predatamaker-0.0.5-py3-none-any.whl",
            "yanked": false,
            "yanked_reason": null
        },
        {
            "comment_text": "",
            "digests": {
                "blake2b_256": "d2229d73996dfa641df1ce8b97e8671af02c45905d1dcdc875f3c795f67caaa5",
                "md5": "9d851946c5c9a29bdac32946eac53a64",
                "sha256": "b385f40df39016a2cd80b018c226e5c51d033173610117664ed3726475291700"
            },
            "downloads": -1,
            "filename": "Predatamaker-0.0.5.tar.gz",
            "has_sig": false,
            "md5_digest": "9d851946c5c9a29bdac32946eac53a64",
            "packagetype": "sdist",
            "python_version": "source",
            "requires_python": null,
            "size": 5810,
            "upload_time": "2024-02-01T04:56:23",
            "upload_time_iso_8601": "2024-02-01T04:56:23.125419Z",
            "url": "https://files.pythonhosted.org/packages/d2/22/9d73996dfa641df1ce8b97e8671af02c45905d1dcdc875f3c795f67caaa5/Predatamaker-0.0.5.tar.gz",
            "yanked": false,
            "yanked_reason": null
        }
    ],
    "upload_time": "2024-02-01 04:56:23",
    "github": false,
    "gitlab": false,
    "bitbucket": false,
    "codeberg": false,
    "lcname": "predatamaker"
}
Elapsed time: 0.41911s