chekoduadarsh--blocklyml/README.md

Note

本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
English · 原始项目 · 上游 README
原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。

Blockly ML

BlocklyML 是面向 Python 与机器学习（Machine Learning）的 无代码（No Code） 训练平台。该工具旨在简化标准机器学习实现。 此工具可帮助任何希望入门机器学习或 Python 的人。本项目从 Blockly 派生，并针对机器学习与数据分析用例进行了适配。🧠

如需示例运行，请前往 sampleLayouts 文件夹，上传并试用 😃

更多信息请阅读

在下方示例中，我们将针对 Iris 数据集训练随机森林（Random Forest）

https://user-images.githubusercontent.com/26855534/174473003-488f675f-50a0-48f1-9ef0-81987bd21166.mp4

目录

• 目录
• 以 BlocklyML 应用形式安装
  • Flask 方法
• UI 功能
  • 快捷操作
  • DataFrame 查看器
  • 下载代码
• 贡献
  • 本仓库欢迎任何形式的贡献 🙏
• 许可证
• 致谢

以 BlocklyML 应用形式安装

首先克隆本仓库

git clone https://github.com/chekoduadarsh/BlocklyML

克隆仓库后，你也可以按照 Flask 方法操作

使用 Docker 运行应用

若你已克隆项目并希望构建镜像，请按以下步骤操作：

1.打开终端并进入项目目录。

2.运行以下命令以构建 Docker 镜像：

docker build . -t blocklyml/demo

镜像构建完成后，可通过执行以下命令启动应用：

docker run -ti -p5000:5000 blockly_ml/demo

这将启动应用，之后可打开浏览器并访问 http://localhost:5000

Flask 方法

使用以下命令从 requirements.txt 安装依赖

pip install -r requirements.txt 

然后可通过以下方式运行应用

python app.py

就这么简单 🤷‍♂️

UI 功能

快捷操作

你可以在应用右上角找到这些按钮。其功能如下

1. 下载 XML 布局
2. 上传 XML 布局
3. 复制代码
4. 启动 Google Colab
5. 删除
6. 运行（尚不支持!!）

DataFrame 查看器

Blockly 支持 DataFrame 的完整 HTML 视图。可通过导航栏中的查看选项访问

下载代码

Blockly 同时支持 .py 与 .ipynb 格式。你可以从导航栏中的下载选项下载代码

贡献

若你发现任何错误或需要支持，请提交 issue。若你认为可以添加功能，或帮助修复 bug，请提交 PR

本仓库欢迎任何形式的贡献 🙏

欢迎以你喜欢的方式改编、批评并支持它!!

请阅读：CONTRIBUTING.md

许可证

Apache License, Version 2.0

致谢