低代码神器，PyCaret 可轻松解决机器学习

PyCaret 是由 Moez Ali 创建并于2020年4月发布的 python 开源低代码机器学习库。它只需要使用很少的代码就可以创建整个机器学习管道。

与其他开源机器学习库相比，PyCaret 是一个低代码库，它可以使项目快速而高效完成。从本质上讲，PyCaret 是 Python 的包装器，它围绕着多个机器学习库和框架，例如scikit-learn，XGBoost，LightGBM，spaCy，Hyperopt，Ray等。

安装

pip install pycaret

为了让大家更好的了解 PyCaret ，我将以电信客户客户流失数据集为例子进行讲解，数据集文末可以下载，字段含义如下：图片

导入数据

import numpy as np
import pandas as pd
df = pd.read_csv("Telco-Customer-Churn.csv")
print(df.shape)
print(df.columns)
------- result----------
(7043, 21)
Index(['customerID', 'gender', 'SeniorCitizen', 'Partner', 'Dependents',
       'tenure', 'PhoneService', 'MultipleLines', 'InternetService',
       'OnlineSecurity', 'OnlineBackup', 'DeviceProtection', 'TechSupport',
       'StreamingTV', 'StreamingMovies', 'Contract', 'PaperlessBilling',
       'PaymentMethod', 'MonthlyCharges', 'TotalCharges', 'Churn'],
      dtype='object')

"CustomerID"没有任何信息，它只是分配给每个客户的随机记录，我们也不需要总费用，删除这两列：

df.drop(['customerID','TotalCharges'], axis=1, inplace=True)

让我们从导入 PyCaret 的模块开始

from pycaret.classification import *

设置

PyCaret 是从机器学习准备环境开始。它必须在任何其他函数之前执行 setup。

有一个重要点需要说明，setup 函数推断数据类型，如果推断的数据类型正确，它会提示你点击输入。如果推断的数据类型有错误，则键入"quit"。有两个方法来确定正确的数据类型：

使用 Pandas 函数和手动更改数据类型；
使用numeric_features 和 categorical_features设置参数；

exp_clf = setup(data = df, target = 'Churn', session_id=111)

模型比较

执行了 setup 后，我们就可以简要评估 PyCaret 模型库中所有模型的性能。compare_models 函数训练所有模型并根据 6 种常见分类指标评估它们的性能。

图片通过一行代码，我们可以比较 6 个不同指标下的 18 个模型。上图以准确率指标进行排序，显示最好的 15 个。

我们刚才做了一个粗略的评估。下一步是从该列表中选择一些算法，以进一步改进。我们选择什么模型取决于任务的需要。为了简单起见，我将选取以准确率最好的逻辑回归模型

logreg = create_model('lr')

模型性能的一个关键因素是超参数。在 PyCaret 中 tune_model 可在预定义的搜索空间中调谐超参数。使用需要注意两点：

Tune_model 模型名称作为输入，它不需要你先训练一个模型，然后调整它。
默认情况下，tune_model 尝试优化精度指标，但可以使用优化参数对其进行更改。
可创建优化逻辑回归模型

tuned_logreg = tune_model('lr')

模型分析

Plot_model 函数提供了进一步分析模型性能的工具。它将训练模型作为输入并返回指定的绘图。让我们来举一些例子。

plot_model(logreg, plot='auc')

这是一个 ROC 曲线，它通过合并所有阈值的混淆矩阵来汇总模型在不同阈值下的性能。

我们还可以使用 plot_model 创建混淆矩阵和特征重要性：

plot_model(logreg, plot='confusion_matrix')

plot_model(logreg, plot='feature')

预测和最终确定模型

Predict_model 函数用于对测试集进行预测。

除了在测试集上的评估指标外，还返回包含两个新列的数据帧：predict_model

标签：预测
成绩：预测概率

默认情况下，在测试集上进行预测，当然我们也可以用自己指定的数据来预测。

predict_model(logreg, data=new_data)

一旦我们对训练和测试集的结果满意，我们就可以使用具有一个 finalize_model 函数用全部数据重新模型。

final_logreg = finalize_model(logreg)

保存和加载模型

使用 Save_model 道保存训练模型图片我们可以使用函数加载保存load_model模型。图片

结论

我们已完成了整个机器学习的过程，从创建到完成大约使用了 10 行代码。正如前面所说，PyCaret 的确是一个低代码库。