Metadata-Version: 2.4
Name: easyml-framework
Version: 1.3.0
Summary: Framework ML ultra-simple avec cache intelligent, ensemble learning et monitoring automatique
Home-page: https://github.com/jeremy-dev/easyml-framework
Author: Jeremy Dev
Author-email: jeremy.dev@example.com
Project-URL: Bug Reports, https://github.com/jeremy-dev/easyml-framework/issues
Project-URL: Source, https://github.com/jeremy-dev/easyml-framework
Project-URL: Documentation, https://github.com/jeremy-dev/easyml-framework/blob/main/README.md
Classifier: Development Status :: 5 - Production/Stable
Classifier: Intended Audience :: Developers
Classifier: Intended Audience :: Science/Research
Classifier: License :: OSI Approved :: MIT License
Classifier: Operating System :: OS Independent
Classifier: Programming Language :: Python :: 3
Classifier: Programming Language :: Python :: 3.7
Classifier: Programming Language :: Python :: 3.8
Classifier: Programming Language :: Python :: 3.9
Classifier: Programming Language :: Python :: 3.10
Classifier: Programming Language :: Python :: 3.11
Classifier: Topic :: Scientific/Engineering :: Artificial Intelligence
Classifier: Topic :: Software Development :: Libraries :: Python Modules
Requires-Python: >=3.7
Description-Content-Type: text/markdown
License-File: LICENSE
Requires-Dist: numpy>=1.19.0
Requires-Dist: pandas>=1.2.0
Requires-Dist: scikit-learn>=1.0.0
Requires-Dist: matplotlib>=3.3.0
Requires-Dist: seaborn>=0.11.0
Requires-Dist: joblib>=1.0.0
Requires-Dist: tqdm>=4.60.0
Requires-Dist: pyyaml>=5.4.0
Requires-Dist: requests>=2.25.0
Provides-Extra: deep
Requires-Dist: tensorflow>=2.8.0; extra == "deep"
Requires-Dist: torch>=1.10.0; extra == "deep"
Provides-Extra: nlp
Requires-Dist: nltk>=3.6; extra == "nlp"
Requires-Dist: spacy>=3.2.0; extra == "nlp"
Provides-Extra: viz
Requires-Dist: plotly>=5.0.0; extra == "viz"
Requires-Dist: bokeh>=2.3.0; extra == "viz"
Provides-Extra: dev
Requires-Dist: pytest>=6.0; extra == "dev"
Requires-Dist: black>=21.0; extra == "dev"
Requires-Dist: flake8>=3.8; extra == "dev"
Dynamic: author
Dynamic: author-email
Dynamic: classifier
Dynamic: description
Dynamic: description-content-type
Dynamic: home-page
Dynamic: license-file
Dynamic: project-url
Dynamic: provides-extra
Dynamic: requires-dist
Dynamic: requires-python
Dynamic: summary

# 🚀 EasyML Framework

Un framework Machine Learning simplifié et complet pour Python qui rend l'IA accessible à tous.

## ✨ Fonctionnalités

- **🔧 AutoML** - Machine Learning automatisé en quelques lignes
- **📊 Preprocessing** - Nettoyage et préparation de données intelligent
- **🤖 Modèles** - Classification, régression, clustering, NLP
- **📈 Visualisation** - Graphiques et métriques automatiques
- **🚀 Déploiement** - Export de modèles prêts pour la production
- **⚡ Performance** - Optimisations automatiques et parallélisation

## 🛠️ Installation

```bash
# Installation de base
pip install easyml-framework

# Installation complète avec toutes les dépendances
pip install easyml-framework[deep,nlp,viz]

# Installation en mode développement
pip install easyml-framework[dev]
```

## 🚀 Démarrage Rapide

### Classification Automatique

```python
import easyml as ez

# Charger vos données
model = ez.AutoClassifier()
model.fit('data.csv', target='label')

# Prédictions automatiques
predictions = model.predict('new_data.csv')

# Évaluation complète
model.evaluate()
```

### Preprocessing Intelligent

```python
# Nettoyage automatique
cleaner = ez.DataCleaner()
clean_data = cleaner.transform('messy_data.csv')

# Feature engineering
features = ez.FeatureEngine()
enhanced_data = features.generate_features(clean_data)
```

### Visualisation Automatique

```python
# Analyse exploratoire automatique
ez.explore_data('data.csv')

# Visualisation de modèle
model.plot_results()
model.plot_feature_importance()
```

## 📚 Exemples Complets

### Prédiction de Prix Immobilier

```python
import easyml as ez

# 1. Chargement et exploration
data = ez.load_data('houses.csv')
ez.explore_data(data)

# 2. Preprocessing automatique
cleaner = ez.DataCleaner(auto_encode=True, handle_missing='smart')
data_clean = cleaner.fit_transform(data)

# 3. Modèle de régression
model = ez.AutoRegressor(optimization='auto', cv_folds=5)
model.fit(data_clean, target='price')

# 4. Évaluation et export
results = model.evaluate()
model.save('house_price_model.pkl')
```

### Classification de Sentiment

```python
import easyml as ez

# NLP automatique
nlp_model = ez.TextClassifier()
nlp_model.fit('reviews.csv', text_column='comment', target='sentiment')

# Prédiction sur nouveau texte
sentiment = nlp_model.predict("Ce produit est fantastique!")
print(f"Sentiment: {sentiment}")  # Positif
```

## 🔧 API Complète

### Classes Principales

- **`ez.AutoClassifier()`** - Classification automatique
- **`ez.AutoRegressor()`** - Régression automatique
- **`ez.TextClassifier()`** - Classification de texte
- **`ez.TimeSeriesPredictor()`** - Prédiction temporelle
- **`ez.ClusterAnalyzer()`** - Analyse de clustering
- **`ez.DataCleaner()`** - Nettoyage de données
- **`ez.FeatureEngine()`** - Feature engineering

### Utilitaires

- **`ez.load_data()`** - Chargement intelligent de données
- **`ez.explore_data()`** - Analyse exploratoire automatique
- **`ez.compare_models()`** - Comparaison de modèles
- **`ez.deploy_model()`** - Déploiement en API

## 📊 Métriques et Visualisations

EasyML génère automatiquement :

- Matrices de confusion
- Courbes ROC et AUC
- Feature importance
- Courbes d'apprentissage
- Analyse de résidus
- Métriques de performance complètes

## 🚀 Installation et Tests

```bash
# Cloner le repository
git clone https://github.com/easyml/easyml-framework.git
cd easyml-framework

# Installation en mode développement
pip install -e .[dev]

# Lancer les tests
pytest tests/

# Lancer les exemples
python examples/classification_example.py
```

## 📄 Licence

MIT License - voir [LICENSE](LICENSE)

## 🚀 Comment Publier une Mise à Jour

1. Modifier la version dans `setup.py` et `easyml/__init__.py`
2. Reconstruire : `python setup.py sdist bdist_wheel`
3. Publier : `twine upload dist/*` 
