使用PyCaret構建機器學習模型-有解無憂

作者|LAKSHAY ARORA
編譯|VK
來源|Analytics Vidhya

概述

PyCaret是一個超級有用的Python庫，用于在短時間內執行多個機器學習任務
學習如何依賴PyCaret在幾行代碼中構建復雜的機器學習模型

介紹

我建立的第一個機器學習模型是一個相當麻煩的代碼塊，我仍然記得構建一個集成模型，它需要許多行代碼，它十分需要一個向導來解開這些混亂的代碼！

當涉及到構建可解釋的機器學習模型時，尤其是在行業中，撰寫高效的代碼是成功的關鍵，所以我強烈建議使用PyCaret庫，

我希望PyCaret在我的剛學習機器學習的日子里出現！這是一個非常靈活和有用的庫，我在最近幾個月已經相當依賴，我堅信任何有志成為資料科學或分析專業人士的人都會從使用PyCaret中受益匪淺，

我們將看到PyCaret到底是什么，包括如何在你的機器上安裝它，然后我們將深入研究如何使用PyCaret來構建可解釋的機器學習模型，包括集成模型，

什么是PyCaret？為什么要使用它？

PyCaret是Python中一個開源的機器學習庫，它可以幫助你從資料準備到模型部署，它很容易使用，你可以用一行代碼完成幾乎所有的資料科學專案任務，

我發現PyCaret非常方便，以下是兩個主要原因：

PyCaret是一個代碼庫，它使你的作業效率更高，你可以在代碼上花更少的時間，做更多的實驗
它是一個易于使用的機器學習庫，將幫助你執行端到端的機器學習實驗，無論是輸入缺失值、編碼分類資料、特征工程、超引數調整，還是構建集成模型

安裝PyCaret

這是最直接的，可以直接使用pip安裝PyCaret的第一個穩定版本v1.0.0，只需在Jupyter Notebook中運行以下命令即可開始：

!pip3 install pycaret

熟悉PyCaret

問題陳述和資料集

在本文中，我們將解決一個分類問題，我們有一個銀行資料集，包括客戶年齡、經驗、收入、教育程度，以及他/她是否有信用卡，該行希望建立一個機器學習模型，幫助他們識別購買個人貸款可能性更高的潛在客戶，

資料集有5000行，我們保留了4000行用于訓練模型，剩下的1000行用于測驗模型，你可以在這里找到本文中使用的完整代碼和資料集，

https://github.com/lakshay-arora/PyCaret-Example

讓我們從使用Pandas庫讀取資料集開始：

# 匯入panda以讀取CSV檔案
import pandas as pd
# 讀取資料
data_classification = pd.read_csv('datasets/loan_train_data.csv')
# 查看資料的頂行
data_classification.head()

在PyCaret中啟動機器學習專案之前的第一步是設定環境，這只是一個兩步的程序：

匯入模塊：根據要解決的問題型別，首先需要匯入模塊，在PyCaret的第一個版本中，有6個不同的模塊可用：回歸、分類、聚類、自然語言處理（NLP）、例外檢測和關聯挖掘規則，在本文中，我們將解決一個分類問題，因此我們將匯入分類模塊
初始化設定：在這個步驟中，PyCaret執行一些基本的預處理任務，比如忽略id和Date列、填充丟失的值、對分類變數進行編碼，以及在其余建模步驟中將資料集拆分為train test，當你運行setup函式時，它將首先確認資料型別，然后如果你按enter，它將創建環境，

# 匯入分類模塊
from pycaret import classification
# 設定環境
classification_setup = classification.setup(data= https://www.cnblogs.com/panchuangai/p/data_classification, target='Personal Loan')

我們都準備好探索PyCaret了！

使用PyCaret訓練我們的機器學習模型

訓練模型

用PyCaret訓練一個模型非常簡單，你只需要使用create_model函式，該函式只接受一個引數（模型縮寫為字串），

在這里，我們將首先訓練一個決策樹模型，我們必須通過“dt”，它將回傳一個表，其中包含用于分類模型的常用評估指標的k倍交叉驗證分數，

以下是用于監督學習的評估指標：

分類：Accuracy, AUC, Recall, Precision, F1, Kappa
回歸：MAE、MSE、RMSE、R2、RMSLE、MAPE

你可以查看PyCaret的檔案頁以了解更多縮寫，

https://pycaret.org/create-model/

# 建立決策樹模型
classification_dt = classification.create_model('dt')

同樣，為了訓練XGBoost模型，只需要傳遞字串“XGBoost”：

# 構建xgboost模型
classification_xgb = classification.create_model('xgboost')

超引數調整

我們可以通過使用tune_model函式來調整機器學習模型的超引數，該函式接受一個引數，模型縮寫字串（與我們在create_model函式中使用的相同），

PyCaret為我們提供了很多靈活性，例如，我們可以使用tune_model函式中的fold引數定義折疊次數，或者我們可以使用n_iter引數更改迭代次數，增加nòiter引數將明顯增加訓練時間，提供更好的性能，

讓我們訓練一個CatBoost模型：

# 構建和調優catboost模型
tune_catboost = classification.tune_model('catboost')

使用PyCaret構建集成模型

機器學習中的集成模型將來自多個模型的決策結合起來，以提高整體性能，

在PyCaret中，我們可以用一行代碼創建bagging、boosting、blending和stacking集成模型，

讓我們在這里訓練一個集成模型，它還將回傳一個表，其中包含常用評估指標的k折交叉驗證分數：

# boosting
boosting = classification.ensemble_model(classification_dt, method= 'Boosting')

另一個非常著名的合成技術是blending，你只需要傳遞在blend_models函式串列中創建的模型，

# blending
blender = classification.blend_models(estimator_list=[classification_dt, classification_xgb])

就這樣！你只需要用PyCaret撰寫一行代碼就可以完成大部分作業，

比較模型

這是PyCaret庫的另一個有用功能，如果不想逐個嘗試不同的模型，可以使用compare models函式，它將為所有可用模型訓練和比較通用的評估度量，

此函式僅在pycaret.classification以及 pycaret.regression模塊中，

# 比較不同分類模型的性能
classification.compare_models()

分析模型

現在，在訓練模型之后，下一步是分析結果，從商業角度來看，這特別有用，對吧？分析PyCaret中的模型也很簡單，只需一行代碼，你就可以執行以下操作：

對模型結果繪圖：分析PyCaret中的模型性能與撰寫plot_model一樣簡單，可以繪制決策邊界、精確召回曲線、驗證曲線、殘差圖等，此外，對于群集模型，可以繪制肘部圖和輪廓圖，對于文本資料，可以繪制字云圖、bigram圖和trigram頻率圖等，
解釋結果：通過分析重要特性，解釋模型結果有助于除錯模型，這是工業級機器學習專案中至關重要的一步，在PyCaret中，我們可以用一行代碼通過SHAP值和相關圖來解釋模型

對模型結果繪圖

可以通過提供模型物件作為引數和所需的列印型別來列印模型結果，繪制AUC-ROC曲線和決策邊界：

# AUC-ROC 圖
classification.plot_model(classification_dt, plot = 'auc')

# 決策邊界
classification.plot_model(classification_dt, plot = 'boundary')

繪制訓練模型的精確召回曲線和驗證曲線：

# Precision Recall 曲線
classification.plot_model(classification_dt, plot = 'pr')

# 驗證曲線
classification.plot_model(classification_dt, plot = 'vc')

評估我們的模型

如果你不想單獨繪制所有這些可視化效果，那么PyCaret庫還有另一個驚人的功能——evaluate_model，在這個函式中，你只需要傳遞model物件，PyCaret將創建一個互動式視窗，供你以所有可能的方式查看和分析模型：

# 評估模型
classification.evaluate_model(classification_dt)

解釋我們的模型

在大多數機器學習專案中，解釋復雜模型是非常重要的，它通過分析模型認為什么是重要的來幫助除錯模型，在PyCaret中，這一步與撰寫解釋模型以獲取Shapley值一樣簡單，

# 解釋模型：SHAP
classification.interpret_model(classification_xgb)

讓我們嘗試繪制相關圖：

# 解釋模型：相關性
classification.interpret_model(classification_xgb,plot='correlation')

做出預測

最后，我們將對看不見的資料進行預測，為此，我們只需要傳遞我們將用于預測和資料集的模型，確保它的格式與我們之前設定環境時提供的格式相同，

PyCaret構建一個包含所有步驟的管道，并將未看到的資料傳遞到管道中，并給出結果，

讓我們看看如何預測資料的標簽：

# 讀取測驗資料
test_data_classification = pd.read_csv('datasets/loan_test_data.csv')
# 做出預測
predictions = classification.predict_model(classification_dt, data=https://www.cnblogs.com/panchuangai/p/test_data_classification)
# 查看預測
predictions

保存并加載模型

現在，一旦構建并測驗了模型，我們就可以使用save_model函式將其保存在pickle檔案中，傳遞要保存的模型和檔案名，即：

# 保存模型
classification.save_model(classification_dt, 'decision_tree_1')

我們可以稍后加載此模型并預測資料上的標簽：

# 加載模型
dt_model = classification.load_model(model_name='decision_tree_1')

結尾

它真的很容易使用，我個人發現PyCaret對于在時間緊迫的情況下快速生成結果非常有用，

在不同型別的資料集上練習使用它——你會越充分利用它，就越能真正掌握它的實用性！它甚至只需要一行代碼就可以在AWS等云服務上支持模型部署，

原文鏈接：https://www.analyticsvidhya.com/blog/2020/05/pycaret-machine-learning-model-seconds/

歡迎關注磐創AI博客站：
http://panchuang.net/

sklearn機器學習中文官方檔案：
http://sklearn123.com/

歡迎關注磐創博客資源匯總站：
http://docs.panchuang.net/

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/6778.html

標籤：其他

上一篇：萬物皆可 Serverless 之云函式 SCF+Kaggle 端到端驗證碼識別從訓練到部署

下一篇：假設檢驗、Z檢驗與T檢驗

使用PyCaret構建機器學習模型

概述

介紹

目錄