人类数据科学家是必需的吗？用dabl实现数据科学自动化

全文共2468字，预计学习时长7分钟

 

Dabl 是Data Analysis Baseline Library的缩写（数据分析基线库）。Dabl 背后的理念是使监督式学习自动化，以减少常见任务的样板。

 

在建立任何预测模型的时候，数据都必须经过清理、分析，并通过不同的参数调整，运行各种模型，从而获得最佳的准确率。这样的操作需要多行代码和人为操作，但如果由dabl处理，只需很少几行代码，就可以节省人们处理海量数据的时间和开销。

 

开发这个库的主要目的是留给数据科学家更多的时间去思考问题陈述和创建更多的惯例分析，而不是每次都重复相同的操作步骤。Dabl从scikit-learn和auto-sklearn中获得灵感。

 

安装及输入

 

只需要输入一个库，这个库dabl就可以完成所有必要的任务。

!pip install dabl
import dab

获取数据

 

Dabl 中几乎没有可以直接加载和使用的数据帧。我们也可以使用常规的Pandas 风格来读取外部数据，我们将在包含成人人口普查数据集的数据框架上工作。

 

df = dabl.datasets.load_adult()
df.head()