Metadata-Version: 2.4
Name: datatunner
Version: 4.0.0a1
Summary: Scientific optimization of synthetic-data fraction with isolated validation and final testing
Author: DataTunner contributors
License: MIT
Requires-Python: >=3.10
Description-Content-Type: text/markdown
Requires-Dist: numpy<3,>=1.24
Requires-Dist: pandas<3,>=2.0
Requires-Dist: scikit-learn<2,>=1.3
Requires-Dist: scipy<2,>=1.10
Requires-Dist: matplotlib<4,>=3.7
Provides-Extra: smote
Requires-Dist: imbalanced-learn<1,>=0.11; extra == "smote"
Provides-Extra: ctgan
Requires-Dist: sdv<2,>=1.12; extra == "ctgan"
Requires-Dist: sdmetrics<1,>=0.14; extra == "ctgan"
Provides-Extra: image
Requires-Dist: torch<3,>=2.1; extra == "image"
Requires-Dist: torchvision<1,>=0.16; extra == "image"
Requires-Dist: Pillow<13,>=10; extra == "image"
Provides-Extra: reporting
Requires-Dist: tabulate<1,>=0.9; extra == "reporting"
Provides-Extra: dev
Requires-Dist: pytest<9,>=8; extra == "dev"
Requires-Dist: pytest-cov<7,>=5; extra == "dev"
Requires-Dist: ruff<1,>=0.6; extra == "dev"
Requires-Dist: mypy<2,>=1.10; extra == "dev"
Provides-Extra: full
Requires-Dist: imbalanced-learn<1,>=0.11; extra == "full"
Requires-Dist: sdv<2,>=1.12; extra == "full"
Requires-Dist: sdmetrics<1,>=0.14; extra == "full"
Requires-Dist: torch<3,>=2.1; extra == "full"
Requires-Dist: torchvision<1,>=0.16; extra == "full"
Requires-Dist: Pillow<13,>=10; extra == "full"
Requires-Dist: tabulate<1,>=0.9; extra == "full"

# DataTunner 4.0.0a1

Arquitetura de referência para encontrar uma fração ótima de dados sintéticos sem usar o conjunto de teste durante a busca.

## Garantias de desenho

1. `alpha` significa sempre `n_sintetico / (n_real + n_sintetico)`.
2. A busca recebe apenas treino e validação.
3. O teste final só pode ser avaliado depois da seleção.
4. As mesmas seeds são reutilizadas para todos os candidatos.
5. A direção da métrica é explícita: `maximize` ou `minimize`.
6. Resultados individuais e agregados usam tipos distintos.
7. Proveniência registra valores solicitados e efetivos.

## Instalação de desenvolvimento

```bash
python -m pip install -e ".[dev,smote]"
pytest
```

## Exemplo mínimo

Consulte `examples/minimal_classification.py`.

## Aviso científico

Este pacote é uma base de engenharia e metodologia. A validade científica final depende dos dados, baselines, desenho experimental, métricas, número de repetições e interpretação do estudo. Nenhum software pode garantir ausência absoluta de defeitos ou validade universal.
