lancetnic - библиотека для поиска взаимосвязей между признаками объекта и целевой переменной. Классификация, регрессия и многозадачное обучение - на размеченных данных, без тяжёлых LLM.
# Установка lancetnic
pip install lancetnic
# Опционально: PyTorch + CUDA
pip install torch==2.5.1+cu124 \
--index-url https://download.pytorch.org/whl/cu124Возможности
От предобработки данных до инференса - всё в одной библиотеке
TF-IDF векторизация текстовых данных: обучение и инференс на естественном языке.
Числовые признаки с масштабированием и гибридные наборы - текст + табличные колонки в CSV.
Бинарная и многоклассовая: спам-фильтры, тональность текста, категоризация объектов.
Прогнозирование непрерывных величин: стоимость недвижимости, время доставки, MAE/RMSE.
Одновременная классификация и регрессия на одном наборе данных с настраиваемым соотношением потерь.
Confusion Matrix, F1/Precision/Recall, графики Loss/Accuracy, scatter plot - автосохранение результатов.
Архитектуры
LSTM, GRU с Attention и полносвязные сети - выбирайте архитектуру под вашу задачу
ScalpelMC
Полносвязная сеть для многоклассовой классификации
LancetMC
LSTM для работы с последовательностями
LancetMCA
LSTM с механизмом внимания (Attention)
LancetMCA_gru
GRU с механизмом внимания
ScalpelReg
Полносвязная сеть для регрессии
LancetReg
LSTM для регрессии на последовательностях
ScalpelMTSK
Мультимодель: классификация + регрессия одновременно
Почему lancetnic?
В отличие от крупных языковых моделей, lancetnic не требует мощного GPU и позволяет обучать модели на ваших размеченных данных с адаптацией к специфике предметной области.
Высокая скорость обучения моделей при сохранении удобства использования.
В отличие от LLM, не нужен мощный GPU - доступно для широкого круга сценариев.
Обучение на собственных размеченных CSV-данных под вашу предметную область.
Метрики, графики и модели сохраняются автоматически в структурированные папки.
Контроль архитектуры, оптимизатора (Adam, SGD, RMSprop), dropout и learning rate.
Загрузка данных
CSV: текстовые, числовые или гибридные наборы
Предобработка
TF-IDF векторизация, масштабирование признаков
Обучение
Classification, Regression или MultiTask
Оценка
Confusion Matrix, Loss/Accuracy, F1, MAE, RMSE
Инференс
Применение модели к новым данным
Установите lancetnic 4.0.0 из PyPI и приступайте к обучению моделей уже сегодня.