今天試了試pycaret這個機器學習庫，感覺簡直是個建模寶藏啊，從資料預處理、特征工程、建模、自動優化、模型部署，所有功能基本全部覆寫，它的原理大概就是封裝了Sklearn，XGBoost，LightGBM，Spacy，Shap，PyOD，Gensim，WordCloud等工具，幾乎包括機器學習所有的使用場景和方法（不含深度學習），例外檢測Anomaly Detection，關聯規則Association Rules，分類Classification，回歸Regression，聚類Clustering，自然語言處理NLP等，其中支持最豐富的還是分類和回歸，
我覺得做一些單機版的機器學習建模用pycaret這樣的工具就很方便了，最吸引我的其實是它的上層的API介面設計，總之，強烈推薦初學者使用，
比方說注冊資料叫做setup：
eg1 = setup(data, target = 'charges', silent=True,
categorical_features=['sex', 'smoker', 'region', 'children'],
numeric_features=['age', 'bmi'])建模直接叫做create model，演算法名字作為變數傳進去，這樣的話擴展性非常強了，以后增加演算法的話這個呼叫方式也不用改：
xgboost = create_model('xgboost')還有一個比較有意思的是它封裝的自動調參功能，直接就叫做tune_model:
xgboost = tune_model('xgboost')
會把調參后的一些結果直接列出來，
還有一個比較牛逼的點是模型融合，直接把要融合的模型放到串列里，然后blend_model就好了，
xgboost=blend_models(estimator_list=[classification_dt, classification_xgb])
最后想比較多個模型的性能，直接輸入compare_models:
是不是感覺很方便，搞一個全鏈路訓練加預測估計就10行代碼就搞定了，
鏈接奉上：https://github.com/pycaret/pycaret
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/239157.html
標籤：AI
上一篇：Kubernetes — 在 OpenStack 上使用 kubeadm 部署高可用集群
下一篇：SQL 表值函式之字串拆分