# Radial Basis Function: Regressão e Classificação facilitados por Matrizes
RBF propõe uma alternativa de cálculo matricial aos seus modelos de Regressão, Séries Temporais, Classificação e Convolução.
## Instalação
Para instalar a biblioteca na sua máquina, pelo prompt ou shell.
```
pip install radial-basis-function
```
Para usar a dependencia no código python.
```
import radial_basis_function
```
## Matriz Pseudo-Inversa
Multiplicação de Matriz Pseudo-Inversa, que é operado como alternativa no lugar da otimização por derivadas parciais. Refere-se a uma abordagem matemática chamada de "fórmula de Moore-Penrose", onde a matriz pseudo-inversa é utilizada para encontrar os coeficientes ótimos da equação de regressão. É uma generalização da matriz inversa para casos em que a matriz não é inversível (ou seja, singular), e a fórmula fornece uma maneira de obter uma solução única mesmo quando a matriz não é invertível.
Para usar a dependencia no código python, foram criados os métodos fit e predict com nome inspirados nos moldes do Sklearn.
```
# Instancia do modelo
modelo_pseudo_inversa = radial_basis_function.PseudoInversa()
# Treinando o modelo
modelo_pseudo_inversa.fit(Matriz_X, y)
# Previsão do modelo
predicao = modelo_pseudo_inversa.predict(Matriz_X)
# Para métrica de previsão utilize uma biblioteca já existente como sklearn.metrics
from sklearn import metrics
# Como:
metrics.mean_absolute_error(Y_Treino, predicao)
metrics.r2_score(Y_Treino, predicao)
metrics.accuracy_score(Y_Treino, predicao)
metrics.balanced_accuracy_score(Y_Treino, predicao)
metrics.f1_score(Y_Treino, predicao)
```
## Radial Basis Function
A estrutura básica de um Radial Basis Function (RBF Network) consiste em três componentes principais: as funções de base radial, os pesos associados a essas funções e uma camada de saída linear solucionada pela matriz pseudo-inversa.
Para usar a dependencia no código python, foram criados os métodos fit e predict com nome inspirados nos moldes do Sklearn.
```
# Instancia do modelo
modelo_rbf = radial_basis_function.RadialBasisFunction()
# Treinando o modelo
modelo_rbf.fit(Matriz_X, y)
# Previsão do modelo
predicao = modelo_rbf.predict(Matriz_X)
# Para métrica de previsão utilize uma biblioteca já existente como sklearn.metrics
from sklearn import metrics
# Como:
metrics.mean_absolute_error(Y_Treino, predicao)
metrics.r2_score(Y_Treino, predicao)
metrics.accuracy_score(Y_Treino, predicao)
metrics.balanced_accuracy_score(Y_Treino, predicao)
metrics.f1_score(Y_Treino, predicao)
```
## Testes
Teste sendo desenvolvido para Jupyter Notebook
by Victor Venites
Raw data
{
"_id": null,
"home_page": "https://github.com/VictorVenites/Radial-Basis-Function",
"name": "radial-basis-function",
"maintainer": "Victor Venites",
"docs_url": null,
"requires_python": ">=3.10,<4.0",
"maintainer_email": "contato@victorvenites.com",
"keywords": "rbf,Radial Basis Function,Pseudo-Inverse Matrix,Matriz Pseudo-Inversa,Victor Venites",
"author": "Victor Venites",
"author_email": "contato@victorvenites.com",
"download_url": "https://files.pythonhosted.org/packages/c1/8a/ac69c438766bad9aa66384f6c7b0c622e55be3e19a256064a03ec84ddcbe/radial_basis_function-0.4.0.tar.gz",
"platform": null,
"description": "# Radial Basis Function: Regress\u00e3o e Classifica\u00e7\u00e3o facilitados por Matrizes\n\nRBF prop\u00f5e uma alternativa de c\u00e1lculo matricial aos seus modelos de Regress\u00e3o, S\u00e9ries Temporais, Classifica\u00e7\u00e3o e Convolu\u00e7\u00e3o.\n\n## Instala\u00e7\u00e3o\n\nPara instalar a biblioteca na sua m\u00e1quina, pelo prompt ou shell.\n\n```\n\npip install radial-basis-function\n\n```\n\nPara usar a dependencia no c\u00f3digo python.\n\n```\n\nimport radial_basis_function\n\n```\n\n## Matriz Pseudo-Inversa\n\nMultiplica\u00e7\u00e3o de Matriz Pseudo-Inversa, que \u00e9 operado como alternativa no lugar da otimiza\u00e7\u00e3o por derivadas parciais. Refere-se a uma abordagem matem\u00e1tica chamada de \"f\u00f3rmula de Moore-Penrose\", onde a matriz pseudo-inversa \u00e9 utilizada para encontrar os coeficientes \u00f3timos da equa\u00e7\u00e3o de regress\u00e3o. \u00c9 uma generaliza\u00e7\u00e3o da matriz inversa para casos em que a matriz n\u00e3o \u00e9 invers\u00edvel (ou seja, singular), e a f\u00f3rmula fornece uma maneira de obter uma solu\u00e7\u00e3o \u00fanica mesmo quando a matriz n\u00e3o \u00e9 invert\u00edvel.\n\nPara usar a dependencia no c\u00f3digo python, foram criados os m\u00e9todos fit e predict com nome inspirados nos moldes do Sklearn.\n\n```\n\n# Instancia do modelo\nmodelo_pseudo_inversa = radial_basis_function.PseudoInversa()\n\n# Treinando o modelo\nmodelo_pseudo_inversa.fit(Matriz_X, y)\n\n# Previs\u00e3o do modelo\npredicao = modelo_pseudo_inversa.predict(Matriz_X)\n\n# Para m\u00e9trica de previs\u00e3o utilize uma biblioteca j\u00e1 existente como sklearn.metrics\nfrom sklearn import metrics\n\n# Como:\nmetrics.mean_absolute_error(Y_Treino, predicao)\nmetrics.r2_score(Y_Treino, predicao)\nmetrics.accuracy_score(Y_Treino, predicao)\nmetrics.balanced_accuracy_score(Y_Treino, predicao)\nmetrics.f1_score(Y_Treino, predicao)\n\n```\n\n## Radial Basis Function\n\nA estrutura b\u00e1sica de um Radial Basis Function (RBF Network) consiste em tr\u00eas componentes principais: as fun\u00e7\u00f5es de base radial, os pesos associados a essas fun\u00e7\u00f5es e uma camada de sa\u00edda linear solucionada pela matriz pseudo-inversa.\n\nPara usar a dependencia no c\u00f3digo python, foram criados os m\u00e9todos fit e predict com nome inspirados nos moldes do Sklearn.\n\n```\n\n# Instancia do modelo\nmodelo_rbf = radial_basis_function.RadialBasisFunction()\n\n# Treinando o modelo\nmodelo_rbf.fit(Matriz_X, y)\n\n# Previs\u00e3o do modelo\npredicao = modelo_rbf.predict(Matriz_X)\n\n# Para m\u00e9trica de previs\u00e3o utilize uma biblioteca j\u00e1 existente como sklearn.metrics\nfrom sklearn import metrics\n\n# Como:\nmetrics.mean_absolute_error(Y_Treino, predicao)\nmetrics.r2_score(Y_Treino, predicao)\nmetrics.accuracy_score(Y_Treino, predicao)\nmetrics.balanced_accuracy_score(Y_Treino, predicao)\nmetrics.f1_score(Y_Treino, predicao)\n\n```\n\n## Testes\n\nTeste sendo desenvolvido para Jupyter Notebook\n\nby Victor Venites\n",
"bugtrack_url": null,
"license": "MIT",
"summary": "Radial Basis Function e Multiplica\u00e7\u00e3o de Matriz Pseudo-Inversa, para modelos de Regress\u00e3o e Multi-Classificat\u00f3rios.",
"version": "0.4.0",
"project_urls": {
"Documentation": "https://github.com/VictorVenites/Radial-Basis-Function",
"Homepage": "https://github.com/VictorVenites/Radial-Basis-Function",
"repository": "https://github.com/VictorVenites/Radial-Basis-Function"
},
"split_keywords": [
"rbf",
"radial basis function",
"pseudo-inverse matrix",
"matriz pseudo-inversa",
"victor venites"
],
"urls": [
{
"comment_text": "",
"digests": {
"blake2b_256": "c3105d3161eb4986f608c26d913079a5f4314b7e300d0570458c2729a3b1fbcf",
"md5": "a4d873ef1d34619ed5f594cc66e9bb2a",
"sha256": "4e4f21941a2723d1482ada17e607ac9f1322c6a085921cf596d0349309c050ab"
},
"downloads": -1,
"filename": "radial_basis_function-0.4.0-py3-none-any.whl",
"has_sig": false,
"md5_digest": "a4d873ef1d34619ed5f594cc66e9bb2a",
"packagetype": "bdist_wheel",
"python_version": "py3",
"requires_python": ">=3.10,<4.0",
"size": 7529,
"upload_time": "2023-08-11T09:00:37",
"upload_time_iso_8601": "2023-08-11T09:00:37.929182Z",
"url": "https://files.pythonhosted.org/packages/c3/10/5d3161eb4986f608c26d913079a5f4314b7e300d0570458c2729a3b1fbcf/radial_basis_function-0.4.0-py3-none-any.whl",
"yanked": false,
"yanked_reason": null
},
{
"comment_text": "",
"digests": {
"blake2b_256": "c18aac69c438766bad9aa66384f6c7b0c622e55be3e19a256064a03ec84ddcbe",
"md5": "e50e10ece243b3fe31f7e42da04e85e8",
"sha256": "9051b98c03c0bbb4315e0ff4acdfcefbe5ec68ffb886f47b51ba1486753a6dbb"
},
"downloads": -1,
"filename": "radial_basis_function-0.4.0.tar.gz",
"has_sig": false,
"md5_digest": "e50e10ece243b3fe31f7e42da04e85e8",
"packagetype": "sdist",
"python_version": "source",
"requires_python": ">=3.10,<4.0",
"size": 6143,
"upload_time": "2023-08-11T09:00:39",
"upload_time_iso_8601": "2023-08-11T09:00:39.398390Z",
"url": "https://files.pythonhosted.org/packages/c1/8a/ac69c438766bad9aa66384f6c7b0c622e55be3e19a256064a03ec84ddcbe/radial_basis_function-0.4.0.tar.gz",
"yanked": false,
"yanked_reason": null
}
],
"upload_time": "2023-08-11 09:00:39",
"github": true,
"gitlab": false,
"bitbucket": false,
"codeberg": false,
"github_user": "VictorVenites",
"github_project": "Radial-Basis-Function",
"travis_ci": false,
"coveralls": false,
"github_actions": false,
"lcname": "radial-basis-function"
}
JSON
