pyCaret效率倍增开源低代码的python机器学习工具

更新时间：2021年11月22日 12:38:59 作者：Python学习与数据挖掘

这篇文章主要介绍了pyCaret一款可以使效率倍增的开源低代码的python机器学习工具，有需要的朋友可以借鉴参考下，希望能够有所帮助

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()

在这里插入图片描述

# plot the data
data.plot()

在这里插入图片描述

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)

在这里插入图片描述

统计测试

check_stats()

在这里插入图片描述

探索性数据分析

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

在这里插入图片描述

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

在这里插入图片描述

# ACF plot
plot_model(plot = 'acf')

在这里插入图片描述

# Diagnostics plot
plot_model(plot = 'diagnostics')

在这里插入图片描述

# Decomposition plot
plot_model(plot = 'decomp_stl')

在这里插入图片描述

模型训练和选择

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

在这里插入图片描述

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)

在这里插入图片描述

tune_model 也没有太大不同。

tuned_prophet = tune_model(prophet)
print(tuned_prophet)

在这里插入图片描述

plot_model(best, plot = 'forecast')

在这里插入图片描述

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

在这里插入图片描述

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

在这里插入图片描述

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

在这里插入图片描述

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

在这里插入图片描述

保存模型

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

在这里插入图片描述

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

在这里插入图片描述

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的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

Python入门基础之数字字符串与列表
这篇文章主要给大家介绍了关于Python入门基础之数字字符串与列表的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2021-02-02
caffe binaryproto 与 npy相互转换的实例讲解
今天小编就为大家分享一篇caffe binaryproto 与 npy相互转换的实例讲解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-07-07
python 通过可变参数计算n个数的乘积方法
今天小编就为大家分享一篇python 通过可变参数计算n个数的乘积方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-06-06
Python安装第三方库的3种方法
这篇文章主要介绍了Python安装第三方库的3种方法,本文讲解了通过setuptools来安装python模块、通过pip来安装python模块、直接从网上下载下可执行文件来安装三种方法,需要的朋友可以参考下
2015-06-06
Numpy 数据处理 ndarray使用详解
这篇文章主要为大家介绍了Numpy 数据处理 ndarray使用详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2022-08-08
python编程学习np.float 被删除的问题解析
这篇文章主要为大家介绍了python编程学习np.float 被删除的问题解析，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2023-02-02
详解python开发环境搭建
这篇文章主要介绍了详解python开发环境搭建 ,记录一下过程，方便自己以后配置，也方便正在学习中的同事配置他们的环境。
2016-12-12
Python函数可变参数定义及其参数传递方式实例详解
这篇文章主要介绍了Python函数可变参数定义及其参数传递方式,以实例形式较为详细的分析了Python函数参数的使用技巧,需要的朋友可以参考下
2015-05-05
Python设计模式创建型原型模式
这篇文章主要介绍了Python原型模式,原型模式即Prototype Pattern，指用原型实例指定创建对象的种类,并且通过拷贝这些原型创建新的对象,下面我们就来看具体的介绍内容吧，希望对你的学习有所帮助
2022-02-02
Python解决ModuleNotFoundError: No module named&
ModuleNotFoundError: No module named 'PIL'是一个常见的Python错误,通常出现在使用Pillow库时,Pillow是Python中用于图像处理的一个库,其前身是PIL,本文介绍了Python解决ModuleNotFoundError: No module named 'PIL'的问题,需要的朋友可以参考下
2024-09-09