synaptix 0.2.0__tar.gz → 0.3.2__tar.gz
This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
- {synaptix-0.2.0 → synaptix-0.3.2}/PKG-INFO +145 -8
- {synaptix-0.2.0 → synaptix-0.3.2}/README.md +134 -7
- {synaptix-0.2.0 → synaptix-0.3.2}/pyproject.toml +6 -1
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/__init__.py +5 -1
- synaptix-0.3.2/synaptix/automl/__init__.py +43 -0
- synaptix-0.3.2/synaptix/automl/budget.py +31 -0
- synaptix-0.3.2/synaptix/automl/config.py +29 -0
- synaptix-0.3.2/synaptix/automl/data/__init__.py +29 -0
- synaptix-0.3.2/synaptix/automl/data/adapters.py +301 -0
- synaptix-0.3.2/synaptix/automl/data/detection.py +161 -0
- synaptix-0.3.2/synaptix/automl/data/intelligence.py +382 -0
- synaptix-0.3.2/synaptix/automl/data_quality.py +860 -0
- synaptix-0.3.2/synaptix/automl/ensemble.py +210 -0
- synaptix-0.3.2/synaptix/automl/evaluation/__init__.py +31 -0
- synaptix-0.3.2/synaptix/automl/evaluation/cross_validation.py +203 -0
- synaptix-0.3.2/synaptix/automl/evaluation/metrics.py +247 -0
- synaptix-0.3.2/synaptix/automl/exceptions.py +36 -0
- synaptix-0.3.2/synaptix/automl/experiments.py +168 -0
- synaptix-0.3.2/synaptix/automl/explain.py +181 -0
- synaptix-0.3.2/synaptix/automl/feature_engineering.py +421 -0
- synaptix-0.3.2/synaptix/automl/features.py +322 -0
- synaptix-0.3.2/synaptix/automl/parallel.py +50 -0
- synaptix-0.3.2/synaptix/automl/pipeline.py +1699 -0
- synaptix-0.3.2/synaptix/automl/profiling.py +99 -0
- synaptix-0.3.2/synaptix/automl/reporting.py +434 -0
- synaptix-0.3.2/synaptix/automl/selection/__init__.py +38 -0
- synaptix-0.3.2/synaptix/automl/selection/feature_subset_search.py +545 -0
- synaptix-0.3.2/synaptix/automl/selection/ranking.py +246 -0
- synaptix-0.3.2/synaptix/automl/selection/registry.py +256 -0
- synaptix-0.3.2/synaptix/automl/tuning/__init__.py +15 -0
- synaptix-0.3.2/synaptix/automl/tuning/search.py +304 -0
- synaptix-0.3.2/synaptix/automl/tuning/spaces.py +113 -0
- synaptix-0.3.2/synaptix/pipeline/auto.py +12 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/pipeline/declarative.py +103 -60
- synaptix-0.3.2/synaptix/pipeline/grids.py +35 -0
- synaptix-0.3.2/synaptix/preprocessing/_dtypes.py +15 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/preprocessing/cleaner.py +3 -2
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/preprocessing/transformers.py +3 -2
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/supervised/__init__.py +15 -4
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/supervised/classification.py +57 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/supervised/regression.py +70 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/visualization/eda.py +4 -2
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix.egg-info/PKG-INFO +145 -8
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix.egg-info/SOURCES.txt +29 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix.egg-info/requires.txt +12 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/tests/test_smoke.py +7 -2
- synaptix-0.2.0/synaptix/pipeline/auto.py +0 -318
- synaptix-0.2.0/synaptix/pipeline/grids.py +0 -102
- {synaptix-0.2.0 → synaptix-0.3.2}/setup.cfg +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/base.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/datasets/__init__.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/datasets/course_completion.csv +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/datasets/iris.csv +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/datasets/penguins.csv +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/datasets/sp500_companies.csv +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/datasets/titanic.csv +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/legacy/__init__.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/legacy/deepLearning.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/legacy/intelligenceartificial.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/legacy/machineLearning.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/legacy/naturalLanguageProcessing.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/metrics/__init__.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/model_selection/__init__.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/neural/__init__.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/neural/networks.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/pipeline/__init__.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/preprocessing/__init__.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/preprocessing/outliers.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/py.typed +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/reinforcement/__init__.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/reinforcement/agents.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/reinforcement/environments.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/results.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/supervised/bayesian.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/unsupervised/__init__.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/unsupervised/clustering.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/unsupervised/decomposition.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/viewx/__init__.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/viewx/_availability.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/viewx/adapters.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/viewx/export.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/viewx/renderers.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/visualization/__init__.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/visualization/model_plots.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/viz/__init__.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix/viz/figures.py +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix.egg-info/dependency_links.txt +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/synaptix.egg-info/top_level.txt +0 -0
- {synaptix-0.2.0 → synaptix-0.3.2}/tests/test_integration_bridge.py +0 -0
|
@@ -1,6 +1,6 @@
|
|
|
1
1
|
Metadata-Version: 2.4
|
|
2
2
|
Name: synaptix
|
|
3
|
-
Version: 0.2
|
|
3
|
+
Version: 0.3.2
|
|
4
4
|
Summary: Librería integral de Machine Learning para Python: supervisado, no supervisado, refuerzo, redes neuronales y preprocesamiento.
|
|
5
5
|
Author-email: Emmanuel Ascendra Perez <ascendraemmanuel@gmail.com>
|
|
6
6
|
License: MIT
|
|
@@ -41,7 +41,17 @@ Requires-Dist: statslibx>=0.4.0; extra == "stats"
|
|
|
41
41
|
Provides-Extra: polars
|
|
42
42
|
Requires-Dist: polars>=0.20.0; extra == "polars"
|
|
43
43
|
Requires-Dist: pyarrow>=10.0.0; extra == "polars"
|
|
44
|
+
Provides-Extra: automl
|
|
45
|
+
Requires-Dist: polars>=0.20.0; extra == "automl"
|
|
46
|
+
Requires-Dist: pyarrow>=10.0.0; extra == "automl"
|
|
47
|
+
Requires-Dist: optuna>=3.0.0; extra == "automl"
|
|
48
|
+
Requires-Dist: psutil>=5.8.0; extra == "automl"
|
|
49
|
+
Provides-Extra: explain
|
|
50
|
+
Requires-Dist: shap>=0.42.0; extra == "explain"
|
|
44
51
|
Provides-Extra: all
|
|
52
|
+
Requires-Dist: optuna>=3.0.0; extra == "all"
|
|
53
|
+
Requires-Dist: psutil>=5.8.0; extra == "all"
|
|
54
|
+
Requires-Dist: shap>=0.42.0; extra == "all"
|
|
45
55
|
Requires-Dist: tensorflow>=2.12.0; extra == "all"
|
|
46
56
|
Requires-Dist: pymc>=5.0.0; extra == "all"
|
|
47
57
|
Requires-Dist: nltk>=3.6.0; extra == "all"
|
|
@@ -65,6 +75,8 @@ pip install synaptix[bayes] # + pymc (inferencia bayesiana completa)
|
|
|
65
75
|
pip install synaptix[viewx] # + ViewX (dashboards HTML, PDF, presentaciones)
|
|
66
76
|
pip install synaptix[stats] # + StatsLibX (diagnóstico estadístico de modelos)
|
|
67
77
|
pip install synaptix[polars] # + polars (DataFrames polars como entrada)
|
|
78
|
+
pip install synaptix[automl] # + polars, pyarrow, optuna, psutil (AutoML avanzado)
|
|
79
|
+
pip install synaptix[explain] # + shap
|
|
68
80
|
pip install synaptix[all] # todo
|
|
69
81
|
```
|
|
70
82
|
|
|
@@ -94,6 +106,26 @@ print(resultado.to_frame()) # métrica | train | test | diferenci
|
|
|
94
106
|
|
|
95
107
|
`fit_evaluate(..., test_size=..., metrics=[...])` existe en todos los modelos: supervisados, clustering, PCA, redes neuronales (split temporal en `LSTMNet`) y agentes de refuerzo (donde `test_size` es la fracción de episodios de evaluación).
|
|
96
108
|
|
|
109
|
+
## Novedades en v0.3.1 — Feature Engineering, Calidad de Datos y Explicabilidad
|
|
110
|
+
|
|
111
|
+
- **Variables derivadas** (`associations`) evaluadas con un AST seguro (sin `eval()`): aritmética, `log`, `sqrt`, `exp`, `abs`, potencias y `where`. Las correcciones que estiman parámetros se ajustan **solo con las filas de entrenamiento** y se aplican después a train y test.
|
|
112
|
+
- **`fe_handle_div_zero`** corregido: `nan`, `inf`, `zero` y `error` funcionan ahora igual en `fit` y en `predict`.
|
|
113
|
+
- **`AutoPipeline.explain(df=None)`**: importancias (permutación en test, nativas y coeficientes), diagnósticos de error, calibración (Brier + curva de fiabilidad en binario) y SHAP local opcional. No reentrena nada.
|
|
114
|
+
- **`selected_features_`, `removed_features_`, `feature_selection_info_`** y **`feature_importance_` / `feature_importance_source_`** para auditar la selección de variables del modelo final.
|
|
115
|
+
- **`warning_report=True`** añade la sección `13_calidad_datos` a `report_dict()`; **`data_quality_report_`** con resumen estructurado de problemas detectados.
|
|
116
|
+
- Corrección metodológica: `warning_strategy` ya no analiza ni imputa con el dataset completo antes del holdout.
|
|
117
|
+
- Guía: [`docs/AUTOML.md`](docs/AUTOML.md) · Cambios: [`CHANGELOG.md`](CHANGELOG.md).
|
|
118
|
+
|
|
119
|
+
## Novedades en v0.3.0 — AutoML Engine 2.0
|
|
120
|
+
|
|
121
|
+
- `AutoPipeline` reescrito sobre el nuevo subpaquete `synaptix.automl`, **sin fuga de datos**: el test se separa sobre los datos crudos y el preprocesamiento se reajusta en cada fold (la versión anterior ajustaba la limpieza con todo el dataset).
|
|
122
|
+
- Validación por estructura de datos (estratificada, repetida, por grupos/espacial, temporal o un splitter propio), métrica principal y secundarias, ranking con estado y errores, y búsqueda `grid` / `random` / `halving` / `optuna`.
|
|
123
|
+
- Ensembles (voting, stacking, blending) que solo se eligen si mejoran la validación, explicabilidad (permutación, SHAP opcional, diagnósticos), registro reproducible de experimentos y reporte HTML/JSON.
|
|
124
|
+
- Entradas pandas, polars (`DataFrame` y `LazyFrame`), NumPy y archivos; `engine="auto"` calibrado con benchmarks reproducibles en `benchmarks/`.
|
|
125
|
+
- Benchmark frente a scikit-learn y FLAML (5 escenarios, 3 semillas, mismo split): SynaptIX iguala la calidad de un random search de scikit-learn y de FLAML con el mismo presupuesto de tiempo (diferencias dentro de la variación entre semillas), con más tiempo y memoria que un modelo único por defecto. Tablas en [`benchmarks/results/README.md`](benchmarks/results/README.md) y conclusiones en la sección 12 de la guía.
|
|
126
|
+
- El notebook [`how_use_synaptix.ipynb`](how_use_synaptix.ipynb) compara cada modelo con su equivalente de scikit-learn (código, defaults, predicciones, métricas y tiempos).
|
|
127
|
+
- Guía: [`docs/AUTOML.md`](docs/AUTOML.md) · Cambios: [`CHANGELOG.md`](CHANGELOG.md).
|
|
128
|
+
|
|
97
129
|
## Novedades en v0.2.0
|
|
98
130
|
|
|
99
131
|
- `fit_evaluate(...)` en todos los modelos: divide, entrena y devuelve un `TrainTestResult` con métricas de train y test.
|
|
@@ -104,9 +136,10 @@ print(resultado.to_frame()) # métrica | train | test | diferenci
|
|
|
104
136
|
|
|
105
137
|
| Módulo | Contenido |
|
|
106
138
|
|---|---|
|
|
107
|
-
| `synaptix.
|
|
139
|
+
| `synaptix.automl` | Motor AutoML 2.0: `AutoPipeline`, perfilado de datos, detección de tarea, validación, tuning, ensembles, explicabilidad y experimentos |
|
|
140
|
+
| `synaptix.pipeline` | `AutoPipeline` (fachada de `synaptix.automl`) y `Pipeline` declarativo por pasos |
|
|
108
141
|
| `synaptix.preprocessing` | `Scaler`, `Encoder`, `Imputer`, `DataCleaner` (con `transform` para datos nuevos), `detect_outliers`, `remove_outliers`, `train_test_split` |
|
|
109
|
-
| `synaptix.supervised` |
|
|
142
|
+
| `synaptix.supervised` | 11 regresores, 9 clasificadores y 9 modelos bayesianos (BayesianRidge, ARD, procesos gaussianos, variantes de Naive Bayes, PyMC) |
|
|
110
143
|
| `synaptix.unsupervised` | `KMeans` (con codo y silhouette), `DBSCAN`, `HierarchicalClustering`, `GaussianMixture`, `PCA`, `TSNE` |
|
|
111
144
|
| `synaptix.reinforcement` | `QLearningAgent`, `SARSAAgent`, `DQNAgent`, entorno `GridWorld` |
|
|
112
145
|
| `synaptix.neural` | `MLP`, `CNN`, `LSTMNet` sobre Keras (requiere `synaptix[dl]`) |
|
|
@@ -128,14 +161,87 @@ import synaptix as sx
|
|
|
128
161
|
df = sx.load_dataset("penguins")
|
|
129
162
|
|
|
130
163
|
pipe = sx.AutoPipeline() # el sistema se encarga de los parámetros
|
|
131
|
-
pipe.fit(df, target="species") #
|
|
132
|
-
pipe.report() #
|
|
164
|
+
pipe.fit(df, target="species") # perfila, separa test, compara 9 modelos sin fuga, ajusta y evalúa
|
|
165
|
+
pipe.report() # 12 secciones: datos, ranking, validación, test, importancias...
|
|
133
166
|
|
|
134
|
-
predicciones = pipe.predict(df_nuevo) # acepta datos crudos (con nulos)
|
|
167
|
+
predicciones = pipe.predict(df_nuevo) # acepta datos crudos (con nulos y categorías nuevas)
|
|
135
168
|
pipe.save("mi_pipeline.pkl")
|
|
136
169
|
```
|
|
137
170
|
|
|
138
|
-
Todo es configurable:
|
|
171
|
+
Todo es configurable:
|
|
172
|
+
|
|
173
|
+
```python
|
|
174
|
+
pipe = sx.AutoPipeline(
|
|
175
|
+
models=["random_forest", "logistic_regression", "svm"],
|
|
176
|
+
scoring="f1_weighted", # métrica principal (+ secundarias en el ranking)
|
|
177
|
+
cv=5, cv_strategy="stratified", # o "group", "timeseries", "repeated", un splitter propio...
|
|
178
|
+
tuning="random", n_iter=30, # o "grid", "halving", "bayesian" (Optuna)
|
|
179
|
+
ensemble="stacking", # solo se elige si mejora la validación cruzada
|
|
180
|
+
time_budget=300, n_jobs=-1, random_state=42,
|
|
181
|
+
)
|
|
182
|
+
pipe.fit(df, target="species", groups=None, time_column=None)
|
|
183
|
+
pipe.ranking_, pipe.best_params_, pipe.results_, pipe.feature_importances_
|
|
184
|
+
pipe.report(save="automl_report.html") # o .json
|
|
185
|
+
pipe.experiment_.to_json("experimento.json")
|
|
186
|
+
```
|
|
187
|
+
|
|
188
|
+
Guía completa (arquitectura, garantías metodológicas, motores de datos y benchmarks): [`docs/AUTOML.md`](docs/AUTOML.md).
|
|
189
|
+
|
|
190
|
+
### Feature Subset Search: Búsqueda sistemática de subconjuntos de variables por modelo
|
|
191
|
+
|
|
192
|
+
`AutoPipeline` permite evaluar y optimizar sistemáticamente combinaciones de variables de forma independiente para cada algoritmo candidato:
|
|
193
|
+
|
|
194
|
+
```python
|
|
195
|
+
import synaptix as sx
|
|
196
|
+
|
|
197
|
+
pipe = sx.AutoPipeline(
|
|
198
|
+
mode="balanced",
|
|
199
|
+
feature_search="exhaustive", # "exhaustive", "random", "forward", "backward" o "auto"
|
|
200
|
+
feature_search_min_features=1, # tamaño mínimo de subconjunto
|
|
201
|
+
feature_search_max_features=5, # tamaño máximo (o None para todas)
|
|
202
|
+
feature_search_strategy="auto",
|
|
203
|
+
cv=5,
|
|
204
|
+
scoring="auto",
|
|
205
|
+
n_jobs=-1,
|
|
206
|
+
random_state=42,
|
|
207
|
+
)
|
|
208
|
+
|
|
209
|
+
pipe.fit(df, target="target")
|
|
210
|
+
|
|
211
|
+
print("Mejor modelo:", pipe.best_name_)
|
|
212
|
+
print("Mejor subconjunto:", pipe.best_features_)
|
|
213
|
+
print("Mejor puntuación CV:", pipe.best_score_)
|
|
214
|
+
|
|
215
|
+
# Consultar rankings y resultados completos
|
|
216
|
+
print(pipe.feature_search_ranking_.head(10))
|
|
217
|
+
print(pipe.feature_search_summary_)
|
|
218
|
+
|
|
219
|
+
# En inferencia, solo requiere las columnas ganadoras (compatible con pandas y polars)
|
|
220
|
+
predicciones = pipe.predict(df_nuevo)
|
|
221
|
+
```
|
|
222
|
+
|
|
223
|
+
### Acceso a los datos usados en el entrenamiento
|
|
224
|
+
|
|
225
|
+
`AutoPipeline` expone los datos exactos del `fit` con sus índices originales,
|
|
226
|
+
incluidas las variables derivadas y las correcciones de `warning_strategy`,
|
|
227
|
+
pero sin las matrices one-hot, escaladas o imputadas del preprocesador:
|
|
228
|
+
|
|
229
|
+
```python
|
|
230
|
+
pipe = sx.AutoPipeline().fit(df, target="target")
|
|
231
|
+
|
|
232
|
+
data_train, data_test = pipe.data_ # features + target
|
|
233
|
+
best_train, best_test = pipe.best_data_ # solo best_features_ + target
|
|
234
|
+
data_train, data_test = pipe.data # alias de data_
|
|
235
|
+
|
|
236
|
+
pipe.X_train_, pipe.X_test_ # features
|
|
237
|
+
pipe.y_train_, pipe.y_test_ # target alineado
|
|
238
|
+
pipe.data_train_, pipe.data_test_ # DataFrames completos
|
|
239
|
+
pipe.best_data_train_, pipe.best_data_test_ # subconjunto ganador + target
|
|
240
|
+
```
|
|
241
|
+
|
|
242
|
+
Si `test_size=None`, `data_test_` y `best_data_test_` son DataFrames vacíos
|
|
243
|
+
con las columnas correspondientes. `data_`/`best_data_` requieren haber
|
|
244
|
+
llamado a `fit`.
|
|
139
245
|
|
|
140
246
|
También hay un `Pipeline` declarativo por pasos, donde el sistema rellena los parámetros de cada paso:
|
|
141
247
|
|
|
@@ -154,7 +260,33 @@ pipe.model_, pipe.results_, pipe.best_params_ # modelo, métricas de test, par
|
|
|
154
260
|
pipe.predict(df_nuevo)
|
|
155
261
|
```
|
|
156
262
|
|
|
157
|
-
Atributos de `AutoPipeline` tras `fit`: `task_`, `
|
|
263
|
+
Atributos de `AutoPipeline` tras `fit`: `task_`, `profile_`, `ranking_`, `best_model_`, `best_name_`, `best_params_`, `pipeline_`, `cv_score_`, `results_`, `feature_importances_` (permutación en el holdout), `feature_importance_` (importancia preferida: permutación si existe, si no la nativa), `feature_importance_source_`, `selected_features_`, `removed_features_`, `feature_selection_info_`, `diagnostics_`, `data_quality_report_`, `timings_`, `experiment_`, `warnings_` y `cleaner_` (compatibilidad); métodos `predict`, `predict_proba`, `report(plot=True, save=None)`, `report_dict()`, `explain(df=None)`, `explain_shap(df)`, `save(path)` y `AutoPipeline.load(path)`.
|
|
264
|
+
|
|
265
|
+
### Variables derivadas y calidad de datos
|
|
266
|
+
|
|
267
|
+
```python
|
|
268
|
+
pipe = sx.AutoPipeline(
|
|
269
|
+
associations={
|
|
270
|
+
"balance": "ingresos - gastos",
|
|
271
|
+
"ratio_gastos": "gastos / ingresos",
|
|
272
|
+
"edad_cuadratica": "edad ** 2",
|
|
273
|
+
},
|
|
274
|
+
fe_handle_div_zero="nan", # "nan" | "inf" | "zero" | "error"
|
|
275
|
+
warning_strategy="safe", # "none" (solo diagnostica) | "safe" | "aggressive"
|
|
276
|
+
warning_report=True, # añade `13_calidad_datos` a report_dict()
|
|
277
|
+
)
|
|
278
|
+
pipe.fit(df, target="resultado") # usa solo filas originales
|
|
279
|
+
pipe.predict(df_nuevo) # reconstruye las derivadas automáticamente
|
|
280
|
+
pipe.selected_features_ # columnas que recibe el modelo (one-hot incluido)
|
|
281
|
+
pipe.removed_features_ # columnas descartadas y por qué (feature_selection_info_)
|
|
282
|
+
pipe.explain() # importancias, diagnósticos y calibración
|
|
283
|
+
pipe.data_quality_report_.to_dict()
|
|
284
|
+
```
|
|
285
|
+
|
|
286
|
+
Las expresiones se evalúan sobre un AST (sin `eval()`) y admiten aritmética,
|
|
287
|
+
`log`, `sqrt`, `exp`, `abs`, potencias y `where`. La imputación y demás
|
|
288
|
+
correcciones que estiman parámetros se ajustan **solo con las filas de
|
|
289
|
+
entrenamiento**; el conjunto de prueba nunca interviene.
|
|
158
290
|
|
|
159
291
|
### Modelos bayesianos (con incertidumbre)
|
|
160
292
|
|
|
@@ -378,8 +510,13 @@ df_pl = sx.load_dataset("iris", backend="polars") # requiere synaptix[polars]
|
|
|
378
510
|
model.fit(df_pl.drop("species"), df_pl["species"])
|
|
379
511
|
|
|
380
512
|
X, y = sx.load_dataset("iris", return_X_y=True) # misma firma que statslibx/viewx
|
|
513
|
+
|
|
514
|
+
# AutoPipeline acepta polars DataFrame/LazyFrame (lectura diferida con proyección de columnas)
|
|
515
|
+
sx.AutoPipeline(engine="polars").fit(df_pl.lazy(), target="species")
|
|
381
516
|
```
|
|
382
517
|
|
|
518
|
+
Con `engine="auto"` polars se usa solo donde los benchmarks muestran ganancia (perfilado de datos de ≥ 1 millón de celdas); el entrenamiento siempre usa scikit-learn sobre pandas/NumPy. Ver la sección 9 de [`docs/AUTOML.md`](docs/AUTOML.md).
|
|
519
|
+
|
|
383
520
|
## API legacy (v0.x)
|
|
384
521
|
|
|
385
522
|
Las clases de la versión 0.x siguen disponibles: `IntelligenceArtificial` (agentes, búsqueda, algoritmos genéticos, chatbots), `MachineLearning` y `NaturalLanguageProcessing`. La API key de OpenRouter ahora se lee de la variable de entorno `OPENROUTER_API_KEY`.
|
|
@@ -11,6 +11,8 @@ pip install synaptix[bayes] # + pymc (inferencia bayesiana completa)
|
|
|
11
11
|
pip install synaptix[viewx] # + ViewX (dashboards HTML, PDF, presentaciones)
|
|
12
12
|
pip install synaptix[stats] # + StatsLibX (diagnóstico estadístico de modelos)
|
|
13
13
|
pip install synaptix[polars] # + polars (DataFrames polars como entrada)
|
|
14
|
+
pip install synaptix[automl] # + polars, pyarrow, optuna, psutil (AutoML avanzado)
|
|
15
|
+
pip install synaptix[explain] # + shap
|
|
14
16
|
pip install synaptix[all] # todo
|
|
15
17
|
```
|
|
16
18
|
|
|
@@ -40,6 +42,26 @@ print(resultado.to_frame()) # métrica | train | test | diferenci
|
|
|
40
42
|
|
|
41
43
|
`fit_evaluate(..., test_size=..., metrics=[...])` existe en todos los modelos: supervisados, clustering, PCA, redes neuronales (split temporal en `LSTMNet`) y agentes de refuerzo (donde `test_size` es la fracción de episodios de evaluación).
|
|
42
44
|
|
|
45
|
+
## Novedades en v0.3.1 — Feature Engineering, Calidad de Datos y Explicabilidad
|
|
46
|
+
|
|
47
|
+
- **Variables derivadas** (`associations`) evaluadas con un AST seguro (sin `eval()`): aritmética, `log`, `sqrt`, `exp`, `abs`, potencias y `where`. Las correcciones que estiman parámetros se ajustan **solo con las filas de entrenamiento** y se aplican después a train y test.
|
|
48
|
+
- **`fe_handle_div_zero`** corregido: `nan`, `inf`, `zero` y `error` funcionan ahora igual en `fit` y en `predict`.
|
|
49
|
+
- **`AutoPipeline.explain(df=None)`**: importancias (permutación en test, nativas y coeficientes), diagnósticos de error, calibración (Brier + curva de fiabilidad en binario) y SHAP local opcional. No reentrena nada.
|
|
50
|
+
- **`selected_features_`, `removed_features_`, `feature_selection_info_`** y **`feature_importance_` / `feature_importance_source_`** para auditar la selección de variables del modelo final.
|
|
51
|
+
- **`warning_report=True`** añade la sección `13_calidad_datos` a `report_dict()`; **`data_quality_report_`** con resumen estructurado de problemas detectados.
|
|
52
|
+
- Corrección metodológica: `warning_strategy` ya no analiza ni imputa con el dataset completo antes del holdout.
|
|
53
|
+
- Guía: [`docs/AUTOML.md`](docs/AUTOML.md) · Cambios: [`CHANGELOG.md`](CHANGELOG.md).
|
|
54
|
+
|
|
55
|
+
## Novedades en v0.3.0 — AutoML Engine 2.0
|
|
56
|
+
|
|
57
|
+
- `AutoPipeline` reescrito sobre el nuevo subpaquete `synaptix.automl`, **sin fuga de datos**: el test se separa sobre los datos crudos y el preprocesamiento se reajusta en cada fold (la versión anterior ajustaba la limpieza con todo el dataset).
|
|
58
|
+
- Validación por estructura de datos (estratificada, repetida, por grupos/espacial, temporal o un splitter propio), métrica principal y secundarias, ranking con estado y errores, y búsqueda `grid` / `random` / `halving` / `optuna`.
|
|
59
|
+
- Ensembles (voting, stacking, blending) que solo se eligen si mejoran la validación, explicabilidad (permutación, SHAP opcional, diagnósticos), registro reproducible de experimentos y reporte HTML/JSON.
|
|
60
|
+
- Entradas pandas, polars (`DataFrame` y `LazyFrame`), NumPy y archivos; `engine="auto"` calibrado con benchmarks reproducibles en `benchmarks/`.
|
|
61
|
+
- Benchmark frente a scikit-learn y FLAML (5 escenarios, 3 semillas, mismo split): SynaptIX iguala la calidad de un random search de scikit-learn y de FLAML con el mismo presupuesto de tiempo (diferencias dentro de la variación entre semillas), con más tiempo y memoria que un modelo único por defecto. Tablas en [`benchmarks/results/README.md`](benchmarks/results/README.md) y conclusiones en la sección 12 de la guía.
|
|
62
|
+
- El notebook [`how_use_synaptix.ipynb`](how_use_synaptix.ipynb) compara cada modelo con su equivalente de scikit-learn (código, defaults, predicciones, métricas y tiempos).
|
|
63
|
+
- Guía: [`docs/AUTOML.md`](docs/AUTOML.md) · Cambios: [`CHANGELOG.md`](CHANGELOG.md).
|
|
64
|
+
|
|
43
65
|
## Novedades en v0.2.0
|
|
44
66
|
|
|
45
67
|
- `fit_evaluate(...)` en todos los modelos: divide, entrena y devuelve un `TrainTestResult` con métricas de train y test.
|
|
@@ -50,9 +72,10 @@ print(resultado.to_frame()) # métrica | train | test | diferenci
|
|
|
50
72
|
|
|
51
73
|
| Módulo | Contenido |
|
|
52
74
|
|---|---|
|
|
53
|
-
| `synaptix.
|
|
75
|
+
| `synaptix.automl` | Motor AutoML 2.0: `AutoPipeline`, perfilado de datos, detección de tarea, validación, tuning, ensembles, explicabilidad y experimentos |
|
|
76
|
+
| `synaptix.pipeline` | `AutoPipeline` (fachada de `synaptix.automl`) y `Pipeline` declarativo por pasos |
|
|
54
77
|
| `synaptix.preprocessing` | `Scaler`, `Encoder`, `Imputer`, `DataCleaner` (con `transform` para datos nuevos), `detect_outliers`, `remove_outliers`, `train_test_split` |
|
|
55
|
-
| `synaptix.supervised` |
|
|
78
|
+
| `synaptix.supervised` | 11 regresores, 9 clasificadores y 9 modelos bayesianos (BayesianRidge, ARD, procesos gaussianos, variantes de Naive Bayes, PyMC) |
|
|
56
79
|
| `synaptix.unsupervised` | `KMeans` (con codo y silhouette), `DBSCAN`, `HierarchicalClustering`, `GaussianMixture`, `PCA`, `TSNE` |
|
|
57
80
|
| `synaptix.reinforcement` | `QLearningAgent`, `SARSAAgent`, `DQNAgent`, entorno `GridWorld` |
|
|
58
81
|
| `synaptix.neural` | `MLP`, `CNN`, `LSTMNet` sobre Keras (requiere `synaptix[dl]`) |
|
|
@@ -74,14 +97,87 @@ import synaptix as sx
|
|
|
74
97
|
df = sx.load_dataset("penguins")
|
|
75
98
|
|
|
76
99
|
pipe = sx.AutoPipeline() # el sistema se encarga de los parámetros
|
|
77
|
-
pipe.fit(df, target="species") #
|
|
78
|
-
pipe.report() #
|
|
100
|
+
pipe.fit(df, target="species") # perfila, separa test, compara 9 modelos sin fuga, ajusta y evalúa
|
|
101
|
+
pipe.report() # 12 secciones: datos, ranking, validación, test, importancias...
|
|
79
102
|
|
|
80
|
-
predicciones = pipe.predict(df_nuevo) # acepta datos crudos (con nulos)
|
|
103
|
+
predicciones = pipe.predict(df_nuevo) # acepta datos crudos (con nulos y categorías nuevas)
|
|
81
104
|
pipe.save("mi_pipeline.pkl")
|
|
82
105
|
```
|
|
83
106
|
|
|
84
|
-
Todo es configurable:
|
|
107
|
+
Todo es configurable:
|
|
108
|
+
|
|
109
|
+
```python
|
|
110
|
+
pipe = sx.AutoPipeline(
|
|
111
|
+
models=["random_forest", "logistic_regression", "svm"],
|
|
112
|
+
scoring="f1_weighted", # métrica principal (+ secundarias en el ranking)
|
|
113
|
+
cv=5, cv_strategy="stratified", # o "group", "timeseries", "repeated", un splitter propio...
|
|
114
|
+
tuning="random", n_iter=30, # o "grid", "halving", "bayesian" (Optuna)
|
|
115
|
+
ensemble="stacking", # solo se elige si mejora la validación cruzada
|
|
116
|
+
time_budget=300, n_jobs=-1, random_state=42,
|
|
117
|
+
)
|
|
118
|
+
pipe.fit(df, target="species", groups=None, time_column=None)
|
|
119
|
+
pipe.ranking_, pipe.best_params_, pipe.results_, pipe.feature_importances_
|
|
120
|
+
pipe.report(save="automl_report.html") # o .json
|
|
121
|
+
pipe.experiment_.to_json("experimento.json")
|
|
122
|
+
```
|
|
123
|
+
|
|
124
|
+
Guía completa (arquitectura, garantías metodológicas, motores de datos y benchmarks): [`docs/AUTOML.md`](docs/AUTOML.md).
|
|
125
|
+
|
|
126
|
+
### Feature Subset Search: Búsqueda sistemática de subconjuntos de variables por modelo
|
|
127
|
+
|
|
128
|
+
`AutoPipeline` permite evaluar y optimizar sistemáticamente combinaciones de variables de forma independiente para cada algoritmo candidato:
|
|
129
|
+
|
|
130
|
+
```python
|
|
131
|
+
import synaptix as sx
|
|
132
|
+
|
|
133
|
+
pipe = sx.AutoPipeline(
|
|
134
|
+
mode="balanced",
|
|
135
|
+
feature_search="exhaustive", # "exhaustive", "random", "forward", "backward" o "auto"
|
|
136
|
+
feature_search_min_features=1, # tamaño mínimo de subconjunto
|
|
137
|
+
feature_search_max_features=5, # tamaño máximo (o None para todas)
|
|
138
|
+
feature_search_strategy="auto",
|
|
139
|
+
cv=5,
|
|
140
|
+
scoring="auto",
|
|
141
|
+
n_jobs=-1,
|
|
142
|
+
random_state=42,
|
|
143
|
+
)
|
|
144
|
+
|
|
145
|
+
pipe.fit(df, target="target")
|
|
146
|
+
|
|
147
|
+
print("Mejor modelo:", pipe.best_name_)
|
|
148
|
+
print("Mejor subconjunto:", pipe.best_features_)
|
|
149
|
+
print("Mejor puntuación CV:", pipe.best_score_)
|
|
150
|
+
|
|
151
|
+
# Consultar rankings y resultados completos
|
|
152
|
+
print(pipe.feature_search_ranking_.head(10))
|
|
153
|
+
print(pipe.feature_search_summary_)
|
|
154
|
+
|
|
155
|
+
# En inferencia, solo requiere las columnas ganadoras (compatible con pandas y polars)
|
|
156
|
+
predicciones = pipe.predict(df_nuevo)
|
|
157
|
+
```
|
|
158
|
+
|
|
159
|
+
### Acceso a los datos usados en el entrenamiento
|
|
160
|
+
|
|
161
|
+
`AutoPipeline` expone los datos exactos del `fit` con sus índices originales,
|
|
162
|
+
incluidas las variables derivadas y las correcciones de `warning_strategy`,
|
|
163
|
+
pero sin las matrices one-hot, escaladas o imputadas del preprocesador:
|
|
164
|
+
|
|
165
|
+
```python
|
|
166
|
+
pipe = sx.AutoPipeline().fit(df, target="target")
|
|
167
|
+
|
|
168
|
+
data_train, data_test = pipe.data_ # features + target
|
|
169
|
+
best_train, best_test = pipe.best_data_ # solo best_features_ + target
|
|
170
|
+
data_train, data_test = pipe.data # alias de data_
|
|
171
|
+
|
|
172
|
+
pipe.X_train_, pipe.X_test_ # features
|
|
173
|
+
pipe.y_train_, pipe.y_test_ # target alineado
|
|
174
|
+
pipe.data_train_, pipe.data_test_ # DataFrames completos
|
|
175
|
+
pipe.best_data_train_, pipe.best_data_test_ # subconjunto ganador + target
|
|
176
|
+
```
|
|
177
|
+
|
|
178
|
+
Si `test_size=None`, `data_test_` y `best_data_test_` son DataFrames vacíos
|
|
179
|
+
con las columnas correspondientes. `data_`/`best_data_` requieren haber
|
|
180
|
+
llamado a `fit`.
|
|
85
181
|
|
|
86
182
|
También hay un `Pipeline` declarativo por pasos, donde el sistema rellena los parámetros de cada paso:
|
|
87
183
|
|
|
@@ -100,7 +196,33 @@ pipe.model_, pipe.results_, pipe.best_params_ # modelo, métricas de test, par
|
|
|
100
196
|
pipe.predict(df_nuevo)
|
|
101
197
|
```
|
|
102
198
|
|
|
103
|
-
Atributos de `AutoPipeline` tras `fit`: `task_`, `
|
|
199
|
+
Atributos de `AutoPipeline` tras `fit`: `task_`, `profile_`, `ranking_`, `best_model_`, `best_name_`, `best_params_`, `pipeline_`, `cv_score_`, `results_`, `feature_importances_` (permutación en el holdout), `feature_importance_` (importancia preferida: permutación si existe, si no la nativa), `feature_importance_source_`, `selected_features_`, `removed_features_`, `feature_selection_info_`, `diagnostics_`, `data_quality_report_`, `timings_`, `experiment_`, `warnings_` y `cleaner_` (compatibilidad); métodos `predict`, `predict_proba`, `report(plot=True, save=None)`, `report_dict()`, `explain(df=None)`, `explain_shap(df)`, `save(path)` y `AutoPipeline.load(path)`.
|
|
200
|
+
|
|
201
|
+
### Variables derivadas y calidad de datos
|
|
202
|
+
|
|
203
|
+
```python
|
|
204
|
+
pipe = sx.AutoPipeline(
|
|
205
|
+
associations={
|
|
206
|
+
"balance": "ingresos - gastos",
|
|
207
|
+
"ratio_gastos": "gastos / ingresos",
|
|
208
|
+
"edad_cuadratica": "edad ** 2",
|
|
209
|
+
},
|
|
210
|
+
fe_handle_div_zero="nan", # "nan" | "inf" | "zero" | "error"
|
|
211
|
+
warning_strategy="safe", # "none" (solo diagnostica) | "safe" | "aggressive"
|
|
212
|
+
warning_report=True, # añade `13_calidad_datos` a report_dict()
|
|
213
|
+
)
|
|
214
|
+
pipe.fit(df, target="resultado") # usa solo filas originales
|
|
215
|
+
pipe.predict(df_nuevo) # reconstruye las derivadas automáticamente
|
|
216
|
+
pipe.selected_features_ # columnas que recibe el modelo (one-hot incluido)
|
|
217
|
+
pipe.removed_features_ # columnas descartadas y por qué (feature_selection_info_)
|
|
218
|
+
pipe.explain() # importancias, diagnósticos y calibración
|
|
219
|
+
pipe.data_quality_report_.to_dict()
|
|
220
|
+
```
|
|
221
|
+
|
|
222
|
+
Las expresiones se evalúan sobre un AST (sin `eval()`) y admiten aritmética,
|
|
223
|
+
`log`, `sqrt`, `exp`, `abs`, potencias y `where`. La imputación y demás
|
|
224
|
+
correcciones que estiman parámetros se ajustan **solo con las filas de
|
|
225
|
+
entrenamiento**; el conjunto de prueba nunca interviene.
|
|
104
226
|
|
|
105
227
|
### Modelos bayesianos (con incertidumbre)
|
|
106
228
|
|
|
@@ -324,8 +446,13 @@ df_pl = sx.load_dataset("iris", backend="polars") # requiere synaptix[polars]
|
|
|
324
446
|
model.fit(df_pl.drop("species"), df_pl["species"])
|
|
325
447
|
|
|
326
448
|
X, y = sx.load_dataset("iris", return_X_y=True) # misma firma que statslibx/viewx
|
|
449
|
+
|
|
450
|
+
# AutoPipeline acepta polars DataFrame/LazyFrame (lectura diferida con proyección de columnas)
|
|
451
|
+
sx.AutoPipeline(engine="polars").fit(df_pl.lazy(), target="species")
|
|
327
452
|
```
|
|
328
453
|
|
|
454
|
+
Con `engine="auto"` polars se usa solo donde los benchmarks muestran ganancia (perfilado de datos de ≥ 1 millón de celdas); el entrenamiento siempre usa scikit-learn sobre pandas/NumPy. Ver la sección 9 de [`docs/AUTOML.md`](docs/AUTOML.md).
|
|
455
|
+
|
|
329
456
|
## API legacy (v0.x)
|
|
330
457
|
|
|
331
458
|
Las clases de la versión 0.x siguen disponibles: `IntelligenceArtificial` (agentes, búsqueda, algoritmos genéticos, chatbots), `MachineLearning` y `NaturalLanguageProcessing`. La API key de OpenRouter ahora se lee de la variable de entorno `OPENROUTER_API_KEY`.
|
|
@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
|
|
|
4
4
|
|
|
5
5
|
[project]
|
|
6
6
|
name = "synaptix"
|
|
7
|
-
version = "0.2
|
|
7
|
+
version = "0.3.2"
|
|
8
8
|
description = "Librería integral de Machine Learning para Python: supervisado, no supervisado, refuerzo, redes neuronales y preprocesamiento."
|
|
9
9
|
readme = "README.md"
|
|
10
10
|
requires-python = ">=3.9"
|
|
@@ -52,7 +52,12 @@ viz = ["seaborn>=0.11.0", "plotly>=5.0.0"]
|
|
|
52
52
|
viewx = ["viewx>=0.3.0", "plotly>=5.0.0"]
|
|
53
53
|
stats = ["statslibx>=0.4.0"]
|
|
54
54
|
polars = ["polars>=0.20.0", "pyarrow>=10.0.0"]
|
|
55
|
+
automl = ["polars>=0.20.0", "pyarrow>=10.0.0", "optuna>=3.0.0", "psutil>=5.8.0"]
|
|
56
|
+
explain = ["shap>=0.42.0"]
|
|
55
57
|
all = [
|
|
58
|
+
"optuna>=3.0.0",
|
|
59
|
+
"psutil>=5.8.0",
|
|
60
|
+
"shap>=0.42.0",
|
|
56
61
|
"tensorflow>=2.12.0",
|
|
57
62
|
"pymc>=5.0.0",
|
|
58
63
|
"nltk>=3.6.0",
|
|
@@ -3,6 +3,7 @@ SynaptIX - Librería integral de Machine Learning para Python.
|
|
|
3
3
|
Autor: Emmanuel Ascendra
|
|
4
4
|
|
|
5
5
|
Submódulos:
|
|
6
|
+
- ``synaptix.automl`` : motor AutoML (AutoPipeline 2.0, perfilado, tuning, tracking).
|
|
6
7
|
- ``synaptix.pipeline`` : AutoPipeline y Pipeline declarativo (ML automático).
|
|
7
8
|
- ``synaptix.preprocessing`` : limpieza, escalado, codificación, outliers.
|
|
8
9
|
- ``synaptix.supervised`` : regresión, clasificación y modelos bayesianos.
|
|
@@ -34,10 +35,11 @@ Ejemplo rápido
|
|
|
34
35
|
>>> model.evaluate(X_test, y_test)
|
|
35
36
|
"""
|
|
36
37
|
|
|
37
|
-
__version__ = "0.2
|
|
38
|
+
__version__ = "0.3.2"
|
|
38
39
|
__author__ = "Emmanuel Ascendra"
|
|
39
40
|
|
|
40
41
|
from . import (
|
|
42
|
+
automl,
|
|
41
43
|
metrics,
|
|
42
44
|
model_selection,
|
|
43
45
|
pipeline,
|
|
@@ -67,6 +69,7 @@ from .legacy import (
|
|
|
67
69
|
|
|
68
70
|
__all__ = [
|
|
69
71
|
# Submódulos
|
|
72
|
+
"automl",
|
|
70
73
|
"pipeline",
|
|
71
74
|
"preprocessing",
|
|
72
75
|
"supervised",
|
|
@@ -152,3 +155,4 @@ def welcome():
|
|
|
152
155
|
print(" - synaptix.visualization : gráficos de análisis")
|
|
153
156
|
print(" - synaptix.datasets : datasets de ejemplo\n")
|
|
154
157
|
print("Repositorio: https://github.com/GhostAnalyst30/SynaptIX")
|
|
158
|
+
|
|
@@ -0,0 +1,43 @@
|
|
|
1
|
+
"""
|
|
2
|
+
synaptix.automl - Motor AutoML modular.
|
|
3
|
+
|
|
4
|
+
- ``AutoPipeline`` : AutoML completo con ``fit(df, target)``.
|
|
5
|
+
- ``data`` : entrada pandas/polars/NumPy, detección de tarea y perfilado.
|
|
6
|
+
- ``features`` : preprocesamiento sin fuga (ColumnTransformer por fold).
|
|
7
|
+
- ``evaluation`` : métricas y estrategias de validación cruzada.
|
|
8
|
+
- ``selection`` : registro de modelos, evaluación y ranking.
|
|
9
|
+
- ``tuning`` : grid, random, successive halving y Optuna.
|
|
10
|
+
- ``ensemble`` : votación, stacking y blending.
|
|
11
|
+
- ``explain`` : importancias y diagnóstico de errores.
|
|
12
|
+
- ``experiments`` : registro reproducible (JSON/CSV).
|
|
13
|
+
- ``profiling`` : tiempos y memoria por etapa.
|
|
14
|
+
|
|
15
|
+
Ejemplo
|
|
16
|
+
-------
|
|
17
|
+
>>> import synaptix as sx
|
|
18
|
+
>>> pipe = sx.AutoPipeline(scoring="f1_weighted", tuning="random", n_iter=30)
|
|
19
|
+
>>> pipe.fit(df, target="species")
|
|
20
|
+
>>> pipe.ranking_
|
|
21
|
+
>>> pipe.report(save="automl_report.html")
|
|
22
|
+
"""
|
|
23
|
+
|
|
24
|
+
from .data import DataProfile, detect_task_details, profile_data
|
|
25
|
+
from .exceptions import AllModelsFailedError, AutoMLError, MissingDependencyError
|
|
26
|
+
from .experiments import ExperimentRecord
|
|
27
|
+
from .pipeline import AutoPipeline, detect_task
|
|
28
|
+
from .profiling import Profiler
|
|
29
|
+
from .selection import list_models
|
|
30
|
+
|
|
31
|
+
__all__ = [
|
|
32
|
+
"AutoPipeline",
|
|
33
|
+
"detect_task",
|
|
34
|
+
"detect_task_details",
|
|
35
|
+
"profile_data",
|
|
36
|
+
"DataProfile",
|
|
37
|
+
"ExperimentRecord",
|
|
38
|
+
"Profiler",
|
|
39
|
+
"list_models",
|
|
40
|
+
"AutoMLError",
|
|
41
|
+
"AllModelsFailedError",
|
|
42
|
+
"MissingDependencyError",
|
|
43
|
+
]
|
|
@@ -0,0 +1,31 @@
|
|
|
1
|
+
"""Presupuesto de tiempo compartido por las etapas del AutoML."""
|
|
2
|
+
|
|
3
|
+
from __future__ import annotations
|
|
4
|
+
|
|
5
|
+
import time
|
|
6
|
+
from typing import Optional
|
|
7
|
+
|
|
8
|
+
|
|
9
|
+
class TimeBudget:
|
|
10
|
+
"""Cuenta regresiva de un presupuesto en segundos (``None`` = sin límite)."""
|
|
11
|
+
|
|
12
|
+
def __init__(self, seconds: Optional[float] = None):
|
|
13
|
+
if seconds is not None and seconds <= 0:
|
|
14
|
+
raise ValueError(f"time_budget debe ser > 0 (recibido: {seconds}).")
|
|
15
|
+
self.seconds = seconds
|
|
16
|
+
self.start = time.perf_counter()
|
|
17
|
+
|
|
18
|
+
@property
|
|
19
|
+
def elapsed(self) -> float:
|
|
20
|
+
return time.perf_counter() - self.start
|
|
21
|
+
|
|
22
|
+
def remaining(self) -> Optional[float]:
|
|
23
|
+
"""Segundos restantes, o ``None`` si no hay límite."""
|
|
24
|
+
if self.seconds is None:
|
|
25
|
+
return None
|
|
26
|
+
return max(self.seconds - self.elapsed, 0.0)
|
|
27
|
+
|
|
28
|
+
@property
|
|
29
|
+
def exhausted(self) -> bool:
|
|
30
|
+
remaining = self.remaining()
|
|
31
|
+
return remaining is not None and remaining <= 0
|
|
@@ -0,0 +1,29 @@
|
|
|
1
|
+
"""
|
|
2
|
+
Presets de ejecución: ``fast``, ``balanced`` (por defecto) y ``exhaustive``.
|
|
3
|
+
|
|
4
|
+
Fijan los valores que el usuario no indique explícitamente: folds, número
|
|
5
|
+
de combinaciones de la búsqueda y cuántos modelos del ranking se ajustan.
|
|
6
|
+
Los candidatos de cada modo están en
|
|
7
|
+
:data:`synaptix.automl.selection.MODE_CANDIDATES`.
|
|
8
|
+
"""
|
|
9
|
+
|
|
10
|
+
from __future__ import annotations
|
|
11
|
+
|
|
12
|
+
from typing import Any, Dict
|
|
13
|
+
|
|
14
|
+
from .exceptions import AutoMLError
|
|
15
|
+
|
|
16
|
+
PRESETS: Dict[str, Dict[str, Any]] = {
|
|
17
|
+
"fast": {"cv": 3, "n_iter": 10, "tune_top_k": 1},
|
|
18
|
+
"balanced": {"cv": 5, "n_iter": 20, "tune_top_k": 1},
|
|
19
|
+
"exhaustive": {"cv": 5, "n_iter": 60, "tune_top_k": 3},
|
|
20
|
+
}
|
|
21
|
+
|
|
22
|
+
|
|
23
|
+
def resolve_preset(mode: str, **overrides: Any) -> Dict[str, Any]:
|
|
24
|
+
"""Valores del preset, sustituyendo los que no sean ``None``."""
|
|
25
|
+
if mode not in PRESETS:
|
|
26
|
+
raise AutoMLError(f"mode debe ser uno de {list(PRESETS)} (recibido: {mode!r}).")
|
|
27
|
+
values = dict(PRESETS[mode])
|
|
28
|
+
values.update({k: v for k, v in overrides.items() if v is not None})
|
|
29
|
+
return values
|
|
@@ -0,0 +1,29 @@
|
|
|
1
|
+
"""Capa de datos del motor AutoML: entrada, detección y perfilado."""
|
|
2
|
+
|
|
3
|
+
from .adapters import (
|
|
4
|
+
LoadedData,
|
|
5
|
+
input_kind,
|
|
6
|
+
load_data,
|
|
7
|
+
polars_available,
|
|
8
|
+
resolve_engine,
|
|
9
|
+
use_polars_profiling,
|
|
10
|
+
)
|
|
11
|
+
from .detection import TaskDetection, detect_task, detect_task_details, infer_feature_types
|
|
12
|
+
from .intelligence import DataProfile, DataWarning, leakage_checks, profile_data
|
|
13
|
+
|
|
14
|
+
__all__ = [
|
|
15
|
+
"LoadedData",
|
|
16
|
+
"input_kind",
|
|
17
|
+
"load_data",
|
|
18
|
+
"polars_available",
|
|
19
|
+
"resolve_engine",
|
|
20
|
+
"use_polars_profiling",
|
|
21
|
+
"TaskDetection",
|
|
22
|
+
"detect_task",
|
|
23
|
+
"detect_task_details",
|
|
24
|
+
"infer_feature_types",
|
|
25
|
+
"DataProfile",
|
|
26
|
+
"DataWarning",
|
|
27
|
+
"leakage_checks",
|
|
28
|
+
"profile_data",
|
|
29
|
+
]
|