这5个机器学习项目你不可错过！（附代码）

阅读全文请点击

以下是5个新的机器学习或与机器学习有关的项目，你可能还没有听说过，但是你不能错过！

本文将给大家介绍五个十分可怕但还鲜为人知的机器学习项目，囊括了一些潜在的机器学习的新想法。它们基本都是Python项目。我并不是故意这么选的，但毫无疑问有我自己偏好的影响在里面。以前我也介绍过许多各种各样的项目（R、Go、C++、Scala、Java等）。

我承诺很快会出一个R版的，并在评估这些项目时使用一些外部帮助（我得承认我不是很适应R生态）。

1. Live Loss Plot

不要闭着眼睛训练深度学习模型！要有耐心地去观察你的每一期训练！

这是一个由Piotr migdaet al提供的开源Python库，可以在Jupyter Notebook中为Keras、PyTorch和其他框架提供训练损失图像。当使用Keras时，Live Loss Plot是一个简单的回调函数。
代码如下：

from livelossplot import PlotLossesKeras
 
model.fit(X_train, Y_train,
          epochs=10,
          validation_data=(X_test, Y_test),
          callbacks=[PlotLossesKeras()],
          verbose=0)

2.Parfit

这个项目来自Jason Carpenter，他是旧金山大学数据科学硕士研究生，同时也是一名机器学习工程师。这个库可以将sklearn机器学习模型的拟合和评分情况并行化和可视化。一旦导入，您可以自由地使用bestFit()或其他函数。

代码如下：

from parfit import bestFit # Necessary if you wish to use bestFit
 
# Necessary if you wish to run each step sequentially
from parfit.fit import *
from parfit.score import *
from parfit.plot import *
from parfit.crossval import *
 
grid = {
    'min_samples_leaf': [1, 5, 10, 15, 20, 25],
    'max_features': ['sqrt', 'log2', 0.5, 0.6, 0.7],
    'n_estimators': [60],
    'n_jobs': [-1],
    'random_state': [42]
}
paramGrid = ParameterGrid(grid)
 
best_model, best_score, all_models, all_scores = bestFit(RandomForestClassifier(), paramGrid,
                                           X_train, y_train, X_val, y_val, # nfolds=5 [optional, instead of validation set]
                                           metric=roc_auc_score, greater_is_better=True,
                                           scoreLabel='AUC')
 
print(best_model, best_score)