【机器学习】PyCaret!又一个神仙的自动机器学习库!

机器学习初学者

共 1856字,需浏览 4分钟

 ·

2021-08-15 11:59

作者:时晴


PyCaret这个开源工具,用起来可谓简单至极,少量代码就可以搭建各种端到端的模型,废话不多说,直接看实战。


PyCaret安装:

# install slim version (default)pip install pycaret# install the full versionpip install pycaret[full]

先用PyCaret自带的'insurance'数据集作为例子,我们看下数据:

# read data from pycaret repofrom pycaret.datasets import get_datadata = get_data('insurance')


数据预处理


该步骤是使用PyCaret构建任何模型强制要做的一步:

# initialize setupfrom pycaret.regression import *s = setup(data, target = 'charges')

执行完上述代码后,不仅自动推断了各个特征的类型,还问你是否推断正确。

直接continue,会弹出setup的分析结果,如下图所示:

从上图红框中,我们惊喜的发现连训练集测试集都帮忙我们拆分好了,并行已经帮我们把训练数据shuffle好了。当然我们可以自定义拆分比例,如下所示:

setup(data = insurance, target = 'charges', train_size = 0.5)

也可以对数据进行scale:

setup(data = pokemon, target = 'Legendary', normalize = True)

会默认帮你把连续值,离散值的缺失值处理掉:

可以对数据进行分桶,只需要加上参数bin_numeric_features

setup(data = income, target = 'income >50K', bin_numeric_features = ['age'])

需要进行特征筛选的话,也只需要加一个参数feature_selection = True:

setup(data = diabetes, target = 'Class variable', feature_selection = True)

同样,一个参数连异常值都帮你移除了remove_outliers = True:

setup(data = insurance, target = 'charges', remove_outliers = True)

还有各种各样的预处理操作,大家可以参考官方文档。

https://pycaret.org/preprocessing/


模型训练


直接看下我们可以用哪些模型:

# check all the available modelsmodels()

真的是应有尽有,大部分炼丹师其实只看到了最下面3个,xgb,lgb,cbt。


模型训练


那么我们就用xgb跑下吧:

# train decision treedt = create_model('xgboost')

然后啥都不用写,测试集上各个mertic就显示出来了:

模型融合是大家最常用的,也只需要一行代码:

# train multiple modelsmultiple_models = [create_model(i) for i in ['dt', 'lr', 'xgboost']]

要比较各个模型,也只需要一行代码:

# compare all modelsbest_model = compare_models()

模型预估:

predictions = predict_model(best_model, data = data2)


所以,大家数数看,我们一共才写了几行代码,就把模型预处理、训练、验证、融合、预估全完成了?做表格类数据模型真的是太方便了。

往期精彩回顾




本站qq群851320808,加入微信群请扫码:
浏览 55
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报