?? 作者：韓信子@ShowMeAI
?? 資料分析實戰系列：http://www.showmeai.tech/tutorials/40
?? 機器學習實戰系列：http://www.showmeai.tech/tutorials/41
?? 本文地址：http://www.showmeai.tech/article-detail/286
?? 宣告：著作權所有，轉載請聯系平臺與作者并注明出處
?? 收藏ShowMeAI查看更多精彩內容
低代碼開發，顧名思義，指的是軟體開發程序中只需要撰寫少量代碼就夠了，與傳統開發方式相比，低代碼大幅減少了撰寫代碼的作業量，這使其具備了更快的速度、更短的開發時間與更低的成本，
無代碼 / 低代碼機器學習平臺（和庫）的興起，加速了代碼開發速度，借助于這些平臺和框架，資料科學家們在繁重的探索研究和大量的編程任務之間，取得更好的平衡，
在本篇內容中，ShowMeAI 給大家總結了最值得學習&使用 Python 低代碼機器學習庫，覆寫資料科學最熱門的幾大方向——資料分析&簡單挖掘、機器學習、深度學習，
?? 資料分析&簡單挖掘
?? D-Tale
D-Tale 是一個易于使用的低代碼 Python 庫，通過將 Flask 撰寫的后端與 React 撰寫的前端相結合，與 Jupyter Notebook 無縫集成，可以查看和分析 Pandas 形態的資料，包括 DataFrame、Series、MultiIndex、DatetimeIndex 和 RangeIndex，
D-Tale 是 SAS 到 Python 轉換的產物，最初是基于 SAS 的 perl 腳本包裝器，現在是基于 Pandas 資料結構的輕量級 Web 客戶端，
大家可以在D-Tale的官方 ??Github 查看它的詳細教程和用法，也可以前往 ??在線平臺 操作體驗，
?? AutoViz
對于低代碼探索式資料分析任務，AutoViz 是 Python 中另一個不錯的選擇，在功能方面，它只需撰寫一行代碼即可使用 AutoViz 完成任何資料集的自動可視化，
AutoViz 能夠結合任務確定哪些特征是最重要的，然后通過僅使用那些自動選擇的元素來繪制和呈現資訊，而且AutoViz速度極快，可視化可以在幾秒鐘內完成，
大家可以查看官方 ??AutoViz 示例 Jupyter Notebook 進行學習，
?? Lux
Lux 工具庫是一個非常自動的資料分析可視化工具，無需做太多的資料預處理，它會自動根據資料生成一系列候選圖表，根據實際需要從中做選擇即可，這大大減少了制作圖表所需的時間以及資料預處理作業量，
大家可以通過 Lux 的官方 ??GitHub 頁面了解更多用法細節，
?? Pandas-Profiling
pandas-profiling 庫自動針對 pandas DataFrame 格式的資料生成資料分析報告，
最終的結果以互動式 HTML 報告呈現，包含以下資訊：
- 型別推斷：欄位列的型別
- 要點：型別、唯一值、缺失值
- 分位數統計：包括最小值、Q1、中位數、Q3、最大值、范圍、四分位間距
- 描述性統計：包括均值、眾數、標準差、總和、中值絕對差、變異系數、峰度、偏度等
- 直方圖：分類和數字
- 相關性：Spearman、Pearson 和 Kendall 矩陣
- 缺失值：矩陣、計數、熱圖和缺失值的樹狀圖
- 文本分析：了解文本資料的類別（大寫、空格）、腳本（拉丁文、西里爾文）和塊（ASCII）
- 檔案和影像分析：提取檔案大小、創建日期和尺寸，并掃描截斷的影像或包含 EXIF 資訊的影像
大家可以在 pandas-profiling 的專案 ??GitHub 頁面獲取詳細使用方法，
?? 機器學習
?? PyCaret
PyCaret 是 Python 中的一個開源、低代碼機器學習庫，可自動執行機器學習作業流，它也是一個端到端的機器學習和模型管理工具，可以成倍地加快實驗周期，提升作業開發效率，
與其他開源機器學習庫相比，PyCaret 有著明顯的低代碼特質，可僅用幾行代碼完成原本需要數百行代碼完成的作業，尤其是對于密集的實驗迭代程序可以大大提速，PyCaret 本質上是圍繞多個機器學習庫和框架封裝而成，包括大家熟悉的 Scikit-Learn、XGBoost、LightGBM、CatBoost、spaCy、Optuna、Hyperopt 和 Ray 等，
大家可以通過 Pycaret 的 ??官方檔案，??官方GitHub，??官方教程 了解更多使用細節，
?? 深度學習
?? PyTorch Lightning
PyTorch Lightning 是一個應用在深度學習/神經網路的 Python 低代碼庫，為 PyTorch 提供高級介面，
它具備高性能和輕量級的架構，以一種將研究與工程分離的方式來構建 PyTorch 代碼，使深度學習實驗更容易理解和重復，借助它能輕松構建分布式硬體上的可擴展深度學習模型，
官網介紹說，PyTorch Lightning 的設計是為了讓大家可以將更多的時間花在研究上，而不是花在工程上，大家可以通過 PyTorch Lightning 的 ??官方網站 了解更多使用細節，
?? Hugging Face Transformers
Hugging Face Transformers 是 Hugging Face 的開源深度學習工具庫，借助 Transformers，大家可以非常方便快速地下載最先進的預訓練模型，應用在自己的場景中，或者基于自己的資料做再訓練，
因為官方提供的大量預訓練模型，我們可以減少計算費用（因為無需從頭訓練），豐富的模型覆寫多種資料型別和業務源，包括：
- 文本：對文本進行分類、資訊抽取、問答系統、機器翻譯、摘要生成，文本生成（覆寫 100 多種語言）
- 影像：影像分類、目標檢測和影像分割
- 音頻：語音識別和音頻分類
PyTorch、TensorFlow 和 JAX 是三個最著名的深度學習庫，transformers 的對這三個框架都支持得很好，甚至可以在一個框架中用三行代碼訓練模型，在另一個框架中加載模型并進行推理，
大家可以通過 Hugging Face Transformers 的 ??官方網站 和 ??GitHub 了解更多使用細節，
參考資料
- ?? D-Tale 官方 Github: https://github.com/man-group/dtale
- ?? AutoViz 官方示例 Jupyter Notebook: https://github.com/AutoViML/AutoViz/tree/master/Examples
- ?? Lux 官方 GitHub: https://github.com/lux-org/lux
- ?? pandas-profiling 專案 GitHub: https://github.com/ydataai/pandas-profiling
- ?? Pycaret 官方檔案: https://pycaret.gitbook.io/
- ?? Pycaret 官方GitHub: https://www.github.com/pycaret/pycaret
- ?? Pycaret 官方教程: https://pycaret.gitbook.io/docs/get-started/tutorials
- ?? PyTorch Lightning 官方網站: https://www.pytorchlightning.ai/
- ?? Hugging Face Transformers 官方網站: https://huggingface.co/
- ?? Hugging Face Transformers GitHub: https://github.com/huggingface/transformers
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/500989.html
標籤：其他