文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

pyCaret效率倍增开源低代码的python机器学习工具

2024-04-02 19:55

关注

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

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的资料请关注编程网其它相关文章!

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯