欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

pyCaret效率倍增开源低代码的python机器学习工具

程序员文章站 2022-06-26 09:55:27
目录pycaret 时间序列模块加载数据初始化设置统计测试探索性数据分析模型训练和选择保存模型pycaret 是一个开源、低代码的 python 机器学习库,可自动执行机器学习工作流。它是一种端到端的...

pycaret 是一个开源、低代码的 python 机器学习库,可自动执行机器学习工作流。它是一种端到端的机器学习和模型管理工具,可以以指数方式加快实验周期并提高您的工作效率。欢迎收藏学习,喜欢点赞支持,文末提供技术交流群。

与其他开源机器学习库相比,pycaret 是一个替代的低代码库,可用于仅用几行代码替换数百行代码。 这使得实验速度和效率呈指数级增长。 pycaret 本质上是围绕多个机器学习库和框架(例如 scikit-learn、xgboost、lightgbm、catboost、spacy、optuna、hyperopt、ray 等)的 python 包装器。

pycaret 的设计和简单性受到数据科学家这一新兴角色的启发,可以执行以前需要更多技术专长的简单和中等复杂的分析任务。

pycaret 时间序列模块

pycaret 的新时间序列模块现已提供测试版。 秉承 pycaret 的简单性,它与现有的 api 保持一致,并带有很多功能。 统计测试、模型训练和选择(30 多种算法)、模型分析、自动超参数调优、实验记录、云部署等, 所有这一切只需要几行代码(就像 pycaret 的其他模块一样)。 如果您想尝试一下,请查看官方的快速入门笔记本。

您可以使用 pip 安装此库。 如果你在同一个环境中安装了 pycaret,由于依赖冲突,你必须为 pycaret-ts-alpha 创建一个单独的环境。

pip install pycaret-ts-alpha

接下来安排如下

pycaret 的时间序列模块中的工作流程非常简单。 它从设置功能开始,您可以在其中定义预测范围 fh 和折叠次数。 您还可以将 fold_strategy 定义为扩展或滑动。

设置后,著名的 compare_models 函数训练和评估从 arima 到 xgboost(tbats、fbprophet、ets 等)的 30 多种算法。

plot_model 函数可以在训练之前或之后使用。 在训练前使用时,它使用 plotly 界面收集了大量时间序列 eda 图。 与模型一起使用时,plot_model 处理模型残差,并可用于访问模型拟合。

最后,predict_model 用于生成预测。

加载数据

import pandas as pd
from pycaret.datasets import get_data
data = get_data('pycaret_downloads')
data['date'] = pd.to_datetime(data['date'])
data = data.groupby('date').sum()
data = data.asfreq('d')
data.head()

pyCaret效率倍增开源低代码的python机器学习工具

# plot the data
data.plot()

pyCaret效率倍增开源低代码的python机器学习工具

这个时间序列是从 pip 每天下载 pycaret 库的次数。

初始化设置

# with functional api
from pycaret.time_series import *
setup(data, fh = 7, fold = 3, session_id = 123)
# with new object-oriented api
from pycaret.internal.pycaret_experiment import timeseriesexperiment
exp = timeseriesexperiment()
exp.setup(data, fh = 7, fold = 3, session_id = 123)

pyCaret效率倍增开源低代码的python机器学习工具

统计测试

check_stats()

pyCaret效率倍增开源低代码的python机器学习工具

探索性数据分析

# functional api
plot_model(plot = 'ts')
# object-oriented api
exp.plot_model(plot = 'ts')

pyCaret效率倍增开源低代码的python机器学习工具

# cross-validation plot
plot_model(plot = 'cv')

pyCaret效率倍增开源低代码的python机器学习工具

# acf plot
plot_model(plot = 'acf')

pyCaret效率倍增开源低代码的python机器学习工具

# diagnostics plot
plot_model(plot = 'diagnostics')

pyCaret效率倍增开源低代码的python机器学习工具

# decomposition plot
plot_model(plot = 'decomp_stl')

pyCaret效率倍增开源低代码的python机器学习工具

模型训练和选择

# functional api
best = compare_models()
# object-oriented api
best = exp.compare_models()

pyCaret效率倍增开源低代码的python机器学习工具

时间序列模块中的 create_model 就像在其他模块中一样。

# create fbprophet model
prophet = create_model('prophet')
print(prophet)

pyCaret效率倍增开源低代码的python机器学习工具

pyCaret效率倍增开源低代码的python机器学习工具

tune_model 也没有太大不同。

tuned_prophet = tune_model(prophet)
print(tuned_prophet)

pyCaret效率倍增开源低代码的python机器学习工具

plot_model(best, plot = 'forecast')

pyCaret效率倍增开源低代码的python机器学习工具

# forecast in unknown future
plot_model(best, plot = 'forecast', data_kwargs = {'fh' : 30})

pyCaret效率倍增开源低代码的python机器学习工具

# in-sample plot
plot_model(best, plot = 'insample')

pyCaret效率倍增开源低代码的python机器学习工具

# residuals plot
plot_model(best, plot = 'residuals')

pyCaret效率倍增开源低代码的python机器学习工具

# diagnostics plot
plot_model(best, plot = 'diagnostics')

pyCaret效率倍增开源低代码的python机器学习工具

保存模型

# finalize model
final_best = finalize_model(best)
# generate predictions
predict_model(final_best, fh = 90)

pyCaret效率倍增开源低代码的python机器学习工具

# save the model
save_model(final_best, 'my_best_model')

pyCaret效率倍增开源低代码的python机器学习工具

以上就是pycaret效率倍增开源低代码的python机器学习工具的详细内容,更多关于python机器学习工具pycaret的资料请关注其它相关文章!