5個PyCaret的常見誤解

做者|Moez Ali
編譯|VK
來源|Towards Data Science

PyCaret

PyCaret是Python中的一個開源、低代碼的機器學習庫，它自動化了機器學習工做流。它是一個端到端的機器學習和模型管理工具，能夠加快機器學習實驗的週期，並使你更有效率。

與其餘開放源代碼機器學習庫相比，PyCaret是一個低代碼庫，能夠用不多的代碼來替換數百行代碼。這使得實驗具備指數級的速度和效率開發。

• 官方：https://www.pycaret.org

• 文檔：https://pycaret.readthedocs.io/en/latest/

• git：https://www.github.com/pycaret/pycaret

compare_models比你想的要好

當咱們在2020年4月發佈了PyCaret的1.0版本時，compare_models函數會比較庫中的全部模型，以返回平均的交叉驗證性能指標。在此基礎上，你可使用create_model來訓練性能最好的模型，並得到可用於預測的訓練模型輸出。

這種行爲後來在版本2.0中進行了更改。compare_models如今根據n_select參數返回最佳模型，該參數默認設置爲1，這意味着它將返回最佳模型（默認狀況下）。

經過將默認的n_select參數更改成3，能夠得到前3個模型的列表。例如：

返回的對象是通過訓練的模型，實際上不須要再次調用create_model來訓練它們。若是你願意，你可使用這些模型來生成診斷圖，甚至能夠將它們用於預測。例如：

你認爲你只限於scikit-learn模型

咱們收到不少請求，要求在模型庫中包含非scikit-learn模型。不少人沒有意識到你不只僅侷限於默認模型。create_model函數除了接受模型庫中可用的模型ID以外，還接受未經訓練的模型對象。

只要你的對象與scikit learn-fit/predict-API兼容，它就能夠正常工做。例如，咱們只需導入未經訓練的NGBClassifier，就能夠從ngboost庫中訓練和評估NGBClassifier ：

你也能夠把未經訓練的模型傳遞到compare_models 的include參數中，這樣它就能夠正常工做了。

注意，包含的參數包括模型庫中三個未訓練模型的ID，即Logistic迴歸、決策樹和K近鄰，以及ngboost庫中的一個未訓練對象。另外，請注意，索引表示在include參數中輸入的模型的位置。

你不知道的pull

PyCaret中的全部訓練函數（create_model、tune_model、ensembly_model等）都會顯示一個分數網格，但不會返回分數網格。所以，你不能將分數網格存儲在DataFrame. 可是，有一個名爲pull的函數容許你這樣作。例如：

當你使用predict_model函數時，這也適用於保存分數網格。

如今你能夠像pandas同樣訪問度量了。例如，你能夠建立一個循環來訓練具備不一樣參數的模型，並使用如下簡單代碼建立一個比較表:

你認爲PyCaret是個黑匣子，其實否則。

另外一個常見的困惑是，全部的預處理都是在幕後進行的，用戶沒法訪問。所以，你沒法審覈運行設置函數時發生的狀況。這不是真的。

PyCaret get_config和set_config中有兩個函數，容許你訪問和更改後臺的全部內容，從訓練集到模型的隨機狀態。只需調用help（get_config）便可查看get_config函數的文檔，查看哪些變量可供你訪問：

你能夠經過在get_config函數中調用它來訪問該變量。例如，要訪問X_train 轉換後的數據集，請編寫如下內容：

你可使用set_config函數更改環境變量。根據你目前對pull、get_config和set_config函數的瞭解，你能夠建立一些很是複雜的工做流。例如，能夠對保留集從新採樣N次，以評估平均性能指標，而不是依賴於一個保留集：

import numpy as np
Xtest = get_config('X_test')
ytest = get_config('y_test')

AUC = []

for i in np.random.randint(0,1000,size=10):
    Xtest_sampled = Xtest.sample(n = 100, random_state = i)
    ytest_sampled = ytest[Xtest_sampled.index]
    set_config('X_test', Xtest_sampled)
    set_config('y_test', ytest_sampled)
    predict_model(dt);
    AUC.append(pull()['AUC'][0])
    
>>> print(AUC)

[Output]: [0.8182, 0.7483, 0.7812, 0.7887, 0.7799, 0.7967, 0.7812, 0.7209, 0.7958, 0.7404]

>>> print(np.array(AUC).mean())

[Output]: 0.77513

你沒有保存你的實驗

若是你沒有保存你的實驗，你應該當即開始保存它們。不管你是否要使用MLFlow後端服務器，你仍然應該記錄全部的實驗。當你執行任何實驗時，你會生成大量的元數據，這些元數據是不可能手動跟蹤的。

PyCaret的日誌功能將在使用get_logs函數時生成一個漂亮、輕量級、易於理解的excel電子表格。例如：

# 加載數據集
from pycaret.datasets import get_data
data = get_data('juice')

# 初始化setup
from pycaret.classification import *
s = setup(data, target = 'Purchase', silent = True, log_experiment = True, experiment_name = 'juice1')

# 比較基線模型
best = compare_models()

# 生成日誌
get_logs()

在這個很是短的實驗中，咱們已經生成了3000多個元數據點（度量、超參數、運行時等）。想象一下，你將如何手動跟蹤這些數據點？也許，這實際上不可能。幸運的是，PyCaret提供了一種簡單的方法來完成它。只需在設置函數中將log_experiment設置爲True便可。

---

要了解PyCareT2.2中的全部更新的更多信息，請參閱發行說明或閱讀此公告:https://www.github.com/pycaret/pycaret/

重要連接：

用戶指南：https://www.pycaret.org/guide

文檔：https://pycaret.readthedocs.io/en/latest/

官方教程：https://github.com/pycaret/pycaret/tree/master/tutorials

Notebook示例：https://github.com/pycaret/pycaret/tree/master/examples

其餘資源：https://github.com/pycaret/pycaret/tree/master/resources

想了解特定模塊嗎

單擊下面的連接，查看文檔和工做示例。

分類：https://pycaret.readthedocs.io/en/latest/api/classification.html

迴歸：https://pycaret.readthedocs.io/en/latest/api/regression.html

聚類：https://pycaret.readthedocs.io/en/latest/api/clustering.html

異常檢測：https://pycaret.readthedocs.io/en/latest/api/anomaly.html

天然語言處理：https://pycaret.readthedocs.io/en/latest/api/nlp.html

關聯規則挖掘：https://pycaret.readthedocs.io/en/latest/api/arules.html

原文連接：https://towardsdatascience.com/5-things-you-are-doing-wrong-in-pycaret-e01981575d2a

歡迎關注磐創AI博客站：
http://panchuang.net/

sklearn機器學習中文官方文檔：
http://sklearn123.com/

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