Давайте пройдемся по удивительной библиотеке, которая превращает машинное обучение в один шаг.
Что такое Пикарет?
(Источник: https://pycaret.org/wp-content/uploads/2020/03/Divi93_43.png)
Это библиотека AutoML с низким кодом и открытым исходным кодом. Не будем вдаваться в теорию и углубимся в библиотеку.
Установка всего в одном шаге:
pip install pycaret
Импортируем необходимое. У вас есть множество вариантов, включая классификацию, регрессию, кластеризацию, обнаружение аномалий, обработку естественного языка, анализ правил ассоциации.
Здесь мы поиграем с классификацией.
из классификации импорта pycaret
Предварительная обработка - это чашка чая в pycaret.
classification_setup=classification.setup(data=df,target=’target_column’)
df — это фрейм данных, а target_column — это столбец, который мы собираемся прогнозировать.
Он будет различать категориальные данные, при необходимости применяет одно горячее кодирование и некоторые другие элементы предварительной обработки.
Спасибо, теперь ваши данные очищены. Настало время настоящей игры.
У вас есть несколько вариантов обучения модели.
- Вы можете сравнить все доступные модели всего одной строкой кода. Да, вы не ослышались, довольно интересно!
classification.compare_models()
Усаживайтесь поудобнее и наслаждайтесь попкорном!
Эта команда даст вам сравнение всех моделей с точностью, оценкой f1 и многим другим.
2. Вы также можете тренироваться на одиночной модели.
classification.create_model(‘catboost’)
Просто нужно передать аббревиатуру модели, как показано на изображении ниже.
(Источник: https://pycaret.org/classification/)
Ого! Модель обучена.
Что дальше?
Настройка гиперпараметров больше не является головной болью.
У Pycaret есть решение и для этого.
tuned_cat=classification.tune_model(‘catboost’)
Теперь ваша модель настроена с лучшим гиперпараметром.
Давайте визуализируем нашу модель и построим матрицу путаницы.
classification.plot_model(tuned_cat,plot=’confusion_matrix’)
Давайте оценим нашу модель.
classification.evaluate_model (tuned_cat)
Все готово. Настало время прогнозов.
classification.predict_model(tuned_cat)
Бинго! Ваша модель готова к развертыванию.
Надеюсь, вам понравится путешествие.
Приятного обучения 😃
LinkedIn :
