pyCaret效率倍增開源低代碼的python機器學習工具
PyCaret 是一個開源、低代碼的 Python 機器學習庫，可自動執(zhí)行機器學習工作流。它是一種端到端的機器學習和模型管理工具，可以以指數方式加快實驗周期并提高您的工作效率。歡迎收藏學習，喜歡點贊支持，文末提供技術交流群。
與其他開源機器學習庫相比，PyCaret 是一個替代的低代碼庫，可用于僅用幾行代碼替換數百行代碼。 這使得實驗速度和效率呈指數級增長。 PyCaret 本質上是圍繞多個機器學習庫和框架（例如 scikit-learn、XGBoost、LightGBM、CatBoost、spaCy、Optuna、Hyperopt、Ray 等）的 Python 包裝器。
PyCaret 的設計和簡單性受到數據科學家這一新興角色的啟發(fā)，可以執(zhí)行以前需要更多技術專長的簡單和中等復雜的分析任務。
PyCaret 時間序列模塊
PyCaret 的新時間序列模塊現已提供測試版。 秉承 PyCaret 的簡單性，它與現有的 API 保持一致，并帶有很多功能。 統(tǒng)計測試、模型訓練和選擇(30 多種算法)、模型分析、自動超參數調優(yōu)、實驗記錄、云部署等， 所有這一切只需要幾行代碼（就像 pycaret 的其他模塊一樣）。 如果您想嘗試一下，請查看官方的快速入門筆記本。
您可以使用 pip 安裝此庫。 如果你在同一個環(huán)境中安裝了 PyCaret，由于依賴沖突，你必須為 pycaret-ts-alpha 創(chuàng)建一個單獨的環(huán)境。
pip install pycaret-ts-alpha
接下來安排如下
PyCaret 的時間序列模塊中的工作流程非常簡單。 它從設置功能開始，您可以在其中定義預測范圍 fh 和折疊次數。 您還可以將 fold_strategy 定義為擴展或滑動。
設置后，著名的 compare_models 函數訓練和評估從 ARIMA 到 XGboost（TBATS、FBProphet、ETS 等）的 30 多種算法。
plot_model 函數可以在訓練之前或之后使用。 在訓練前使用時，它使用 plotly 界面收集了大量時間序列 EDA 圖。 與模型一起使用時，plot_model 處理模型殘差，并可用于訪問模型擬合。
最后，predict_model 用于生成預測。
加載數據
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()
# plot the data data.plot()
這個時間序列是從 pip 每天下載 PyCaret 庫的次數。
初始化設置
# 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)
統(tǒng)計測試
check_stats()
探索性數據分析
# functional API plot_model(plot = 'ts') # object-oriented API exp.plot_model(plot = 'ts')
# cross-validation plot plot_model(plot = 'cv')
# ACF plot plot_model(plot = 'acf')
# Diagnostics plot plot_model(plot = 'diagnostics')
# Decomposition plot plot_model(plot = 'decomp_stl')
模型訓練和選擇
# functional API best = compare_models() # object-oriented API best = exp.compare_models()
時間序列模塊中的 create_model 就像在其他模塊中一樣。
# create fbprophet model
prophet = create_model('prophet')
print(prophet)
tune_model 也沒有太大不同。
tuned_prophet = tune_model(prophet) print(tuned_prophet)
plot_model(best, plot = 'forecast')
# forecast in unknown future
plot_model(best, plot = 'forecast', data_kwargs = {'fh' : 30})
# in-sample plot plot_model(best, plot = 'insample')
# residuals plot plot_model(best, plot = 'residuals')
# diagnostics plot plot_model(best, plot = 'diagnostics')
保存模型
# finalize model final_best = finalize_model(best) # generate predictions predict_model(final_best, fh = 90)
# save the model save_model(final_best, 'my_best_model')
以上就是pyCaret效率倍增開源低代碼的python機器學習工具的詳細內容，更多關于python機器學習工具Pycaret的資料請關注腳本之家其它相關文章！
相關文章
這篇文章主要給大家介紹了關于Python入門基礎之數字字符串與列表的相關資料，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-02-02
caffe binaryproto 與 npy相互轉換的實例講解
今天小編就為大家分享一篇caffe binaryproto 與 npy相互轉換的實例講解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-07-07
今天小編就為大家分享一篇python 通過可變參數計算n個數的乘積方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06
這篇文章主要介紹了Python安裝第三方庫的3種方法,本文講解了通過setuptools來安裝python模塊、通過pip來安裝python模塊、直接從網上下載下可執(zhí)行文件來安裝三種方法,需要的朋友可以參考下2015-06-06
這篇文章主要為大家介紹了Numpy?數據處理?ndarray使用詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-08-08
這篇文章主要為大家介紹了python編程學習np.float 被刪除的問題解析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2023-02-02
這篇文章主要介紹了詳解python開發(fā)環(huán)境搭建 ,記錄一下過程，方便自己以后配置，也方便正在學習中的同事配置他們的環(huán)境。2016-12-12
這篇文章主要介紹了Python函數可變參數定義及其參數傳遞方式,以實例形式較為詳細的分析了Python函數參數的使用技巧,需要的朋友可以參考下2015-05-05
這篇文章主要介紹了Python原型模式,原型模式即Prototype?Pattern，指用原型實例指定創(chuàng)建對象的種類,并且通過拷貝這些原型創(chuàng)建新的對象,下面我們就來看具體的介紹內容吧，希望對你的學習有所幫助2022-02-02
Python解決ModuleNotFoundError: No module named&
ModuleNotFoundError: No module named 'PIL'是一個常見的Python錯誤,通常出現在使用Pillow庫時,Pillow是Python中用于圖像處理的一個庫,其前身是PIL,本文介紹了Python解決ModuleNotFoundError: No module named 'PIL'的問題,需要的朋友可以參考下2024-09-09