利用简单的python机器学习库玩转『低代码』

最新推荐文章于 2024-03-21 14:22:36 发布
最新推荐文章于 2024-03-21 14:22:36 发布
阅读量1.4k 收藏 6
点赞数 1
分类专栏： 经验分享 知识学习系列 文章标签： python 机器学习 开发语言
原文链接：https://juejin.cn/post/7125734407754743839
版权

 转载于：2022了你还不会『低代码』？数据科学也能玩转Low-Code啦！ - 掘金 (juejin.cn)

 

低代码开发，顾名思义，指的是软件开发过程中只需要编写少量代码就够了。与传统开发方式相比，低代码大幅减少了编写代码的工作量，这使其具备了更快的速度、更短的开发时间与更低的成本。

无代码 / 低代码机器学习平台（和库）的兴起，加速了代码开发速度。借助于这些平台和框架，数据科学家们在繁重的探索研究和大量的编程任务之间，取得更好的平衡。

在本篇内容中，ShowMeAI 给大家总结了最值得学习&使用 Python 低代码机器学习库，覆盖数据科学最热门的几大方向——数据分析&简单挖掘、机器学习、深度学习。

 

📌 数据分析&简单挖掘

💡 D-Tale

D-Tale 是一个易于使用的低代码 Python 库，通过将 Flask 编写的后端与 React 编写的前端相结合，与 Jupyter Notebook 无缝集成，可以查看和分析 Pandas 形态的数据，包括 DataFrame、Series、MultiIndex、DatetimeIndex 和 RangeIndex。

D-Tale 是 SAS 到 Python 转换的产物，最初是基于 SAS 的 perl 脚本包装器，现在是基于 Pandas 数据结构的轻量级 Web 客户端。

大家可以在D-Tale的官方 📘Github 查看它的详细教程和用法，也可以前往 📘在线平台 操作体验。

💡 AutoViz

对于低代码探索式数据分析任务，AutoViz 是 Python 中另一个不错的选择。在功能方面，它只需编写一行代码即可使用 AutoViz 完成任何数据集的自动可视化。

AutoViz 能够结合任务确定哪些特征是最重要的，然后通过仅使用那些自动选择的元素来绘制和呈现信息。而且AutoViz速度极快，可视化可以在几秒钟内完成。

大家可以查看官方 📘AutoViz 示例 Jupyter Notebook 进行学习。

💡 Lux

Lux 工具库是一个非常自动的数据分析可视化工具。无需做太多的数据预处理，它会自动根据数据生成一系列候选图表，根据实际需要从中做选择即可。这大大减少了制作图表所需的时间以及数据预处理工作量。

大家可以通过 Lux 的官方 📘GitHub 页面了解更多用法细节。

💡 Pandas-Profiling

pandas-profiling 库自动针对 pandas DataFrame 格式的数据生成数据分析报告。

最终的结果以交互式 HTML 报告呈现，包含以下信息：

  • 类型推断：字段列的类型
  • 要点：类型、唯一值、缺失值
  • 分位数统计：包括最小值、Q1、中位数、Q3、最大值、范围、四分位间距
  • 描述性统计：包括均值、众数、标准差、总和、中值绝对差、变异系数、峰度、偏度等
  • 直方图：分类和数字
  • 相关性：Spearman、Pearson 和 Kendall 矩阵
  • 缺失值：矩阵、计数、热图和缺失值的树状图
  • 文本分析：了解文本数据的类别（大写、空格）、脚本（拉丁文、西里尔文）和块（ASCII）
  • 文件和图像分析：提取文件大小、创建日期和尺寸，并扫描截断的图像或包含 EXIF 信息的图像

大家可以在 pandas-profiling 的项目 📘GitHub 页面获取详细使用方法。

📌 机器学习

💡 PyCaret

PyCaret 是 Python 中的一个开源、低代码机器学习库，可自动执行机器学习工作流。它也是一个端到端的机器学习和模型管理工具，可以成倍地加快实验周期，提升工作开发效率。

与其他开源机器学习库相比，PyCaret 有着明显的低代码特质，可仅用几行代码完成原本需要数百行代码完成的工作，尤其是对于密集的实验迭代过程可以大大提速。PyCaret 本质上是围绕多个机器学习库和框架封装而成，包括大家熟悉的 Scikit-Learn、XGBoost、LightGBM、CatBoost、spaCy、Optuna、Hyperopt 和 Ray 等。

大家可以通过 Pycaret 的 📘官方文档，📘官方GitHub，📘官方教程 了解更多使用细节。

📌 深度学习

💡 PyTorch Lightning

PyTorch Lightning 是一个应用在深度学习/神经网络的 Python 低代码库，为 PyTorch 提供高级接口。

它具备高性能和轻量级的架构，以一种将研究与工程分离的方式来构建 PyTorch 代码，使深度学习实验更容易理解和重复。借助它能轻松构建分布式硬件上的可扩展深度学习模型。

官网介绍说，PyTorch Lightning 的设计是为了让大家可以将更多的时间花在研究上，而不是花在工程上。大家可以通过 PyTorch Lightning 的 📘官方网站 了解更多使用细节。

💡 Hugging Face Transformers

Hugging Face Transformers 是 Hugging Face 的开源深度学习工具库。借助 Transformers，大家可以非常方便快速地下载最先进的预训练模型，应用在自己的场景中，或者基于自己的数据做再训练。

因为官方提供的大量预训练模型，我们可以减少计算费用（因为无需从头训练）。丰富的模型覆盖多种数据类型和业务源，包括：

  • 文本：对文本进行分类、信息抽取、问答系统、机器翻译、摘要生成，文本生成（覆盖 100 多种语言）
  • 图像：图像分类、目标检测和图像分割
  • 音频：语音识别和音频分类

PyTorch、TensorFlow 和 JAX 是三个最著名的深度学习库，transformers 的对这三个框架都支持得很好，甚至可以在一个框架中用三行代码训练模型，在另一个框架中加载模型并进行推理。

大家可以通过 Hugging Face Transformers 的 📘官方网站 和 📘GitHub 了解更多使用细节。

参考资料

m0_61899108
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
PyCaret一个开源低代码机器学习 Python 库-python
06-18
PyCaret一个开源低代码机器学习 Python 库 ，它支持在「低代码」环境中训练和部署有监督以及无监督的机器学习模型。 PyCaret 什么是 PyCaret？ PyCaret 是 Python 中的开源低代码机器学习库，旨在减少 ML 实验中从假设到洞察的周期时间。 它使数据科学家能够快速有效地执行端到端实验。 与其他开源机器学习库相比，PyCaret 是一个替代的低代码库，只需几行代码即可用于执行复杂的机器学习任务。 PyCaret 本质上是围绕多个机器学习库和框架（例如 scikit-learn、XGBoost、Microsoft LightGBM、spaCy 等）的 Python 包装器。 PyCaret 的设计和简单性受到公民数据科学家这一新兴角色的启发，这是 Gartner 首次使用的术语。 公民数据科学家是高级用户，可以执行以前需要更多专业知识的简单和中等复杂的分析任务。 经验丰富的数据科学家通常很难找到且招聘成本高昂，但公民数据科学家可以成为缩小这一差距并解决业务环境中与数据相关的挑战的有效方法。 PyCaret 简单、易于使用和部署就绪。 在
Python中的开源低代码机器学习库-Python开发
05-25
PyCaret什么是PyCaret？ PyCaret是Python中的开源低代码机器学习库，旨在将假设减少到ML实验中的洞察周期。 它使数据科学家能够执行PyCaret。什么是PyCaret？ PyCaret是Python中的开源低代码机器学习库，旨在将假设减少到ML实验中的洞察周期。 它使数据科学家能够快速，高效地执行端到端实验。 与其他开源机器学习库相比，PyCaret是一个备用的低代码库，可用于仅执行几行代码即可执行复杂的机器学习任务。 PyCaret本质上是Python Wra
一文讲透低代码，Python开发还会吃香吗
最新发布
2401_83621784的博客
03-21 768
Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
Python 机器学习库 NumPy入门教程
09-20
在我们使用Python语言进行机器学习编程的时候，这是一个非常常用的基础库。本文针对Python 机器学习库 NumPy入门教程，感兴趣的朋友跟随脚本之家小编一起学习吧
28个极简代码——python
YYHao
05-22 3127
1、大写首字母 s = 'hello world' print(s.title()) 输出： Hello World 2、逗号连接 将列表连接成单个字符串，且每个元素间分隔方式设为逗号 hobbies = ['basketball','football','baseball'] print('My hobbies are:'+','.join(hobbies)) 输出： My hobbies are:basketball,football,baseball 3、分块 给定具体的大小，定义一个函数以这
10个极简python代码，拿走即用！
z099164的博客
10-14 293
虽然python是一个易入门的语言，但是很多人依然还是都会问到底怎么样学 Python 才最快，答案当然是实战各种小项目，只有自己去想与写，才记得住规则。本文写的是 10 个极简任务，初学者可以尝试着自己实现；本文同样也是 10段代码，Python 开发者也可以看看是不是有没想到的用法。
frappe：Python和JS中的低代码开源框架
02-05
具有的Web框架 的发音-fra-pay 全栈Web应用程序框架，在服务器端使用Python和MariaDB以及紧密集成的客户端库。 专为 目录 安装 贡献 网站 有关详细信息和文档，请访问网站 执照 该存储库已根据。
几行代码搞定ML模型，低代码机器学习Python库正式开源
喜欢打酱油的老鸟
04-22 923
PyCaret 库支持在「低代码」环境中训练和部署有监督以及无监督的机器学习模型，提升机器学习实验的效率。 想提高机器学习实验的效率，把更多精力放在解决业务问题而不是写代码上？低代码平台或许是个不错的选择。 最近，机器之心发现了一个开源低代码机器学习 Python 库 PyCaret，它支持在「低代码」环境中训练和部署有监督以及无监督的机器学习模型。 GitHub 地址：https://...
低代码学习教程：Python教程
bby2017的博客
08-14 398
Python 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言, 它的设计具有很强的可读性，相比其他语言经常使用英文关键字，其他语言的一些标点符号，它具有比其他语言更具特色的语法结构。 注意Python是对缩进敏感的, 每行代码缩进为4个空格, 使用tab会导致报错！ 官方推荐教程： 中文网：【点击此处】 W3Cschol：【点击此处】 RUNOOB.COM：【点击此处】 想要了解更多内容，欢迎前往百数官网免费体验：https://www.baishuyun.com/ ...
python低代码_MDN浏览的最低代码
weixin_39574868的博客
12-08 448
我正在开发一个崇高的文本插件来使用物联网设备。有些硬件可以选择通过OTA(空中传送)上传代码，我需要能够通过MDN发现设备。在我试过使用zeroconf，效果非常好，我只需要将浏览器设置成这样：browser = ServiceBrowser(zeroconf, "_arduino._tcp.local.", listener)那么，问题是什么？Sublime Text以自己的简化版本运行插件，因...
效率倍增，PyCaret：一个开源、低代码的 Python 机器学习工具
Python学习与数据挖掘
11-20 3388
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、Op
pycaret：Python中的开源，低代码机器学习库
02-04
PyCaret 2.2 什么是PyCaret？ PyCaret是Python中的开源低代码机器学习库，可自动执行机器学习工作流程。 它是一种端到端的机器学习和模型管理工具，可以成倍地加快实验周期，并使您的工作效率更高。 与其他开源机器学习库相比，PyCaret是一个备用的低代码库，可用于仅用很少的单词替换数百行代码。 这使得实验快速而有效地成指数增长。 PyCaret本质上是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，CatBoost，spaCy，Optuna，Hyperopt，Ray等。 PyCaret的设计和简洁
python机器学习库常用汇总
01-21
汇总整理一套Python网页爬虫，文本处理，科学计算，机器学习和数据挖掘的兵器谱。 1. Python网页爬虫工具集 一个真实的项目，一定是从获取数据开始的。无论文本处理，机器学习和数据挖掘，都需要数据，除了通过一些...
python的TensorFlow机器学习工具库源代码
03-04
TensorFlow工具库社区 是一个端到端的开源平台 用于机器学习。它有一个全面、灵活的生态系统 ，以及 资源，让 研究人员推动了 ML 的最新技术，开发人员可以轻松构建和 部署 ML 驱动的应用程序。TensorFlow 最初是由...
【附代码数据】python机器学习回归实例代码.pdf
05-06
【附代码数据】python机器学习回归实例代码.pdf
【后端】python一些小代码集
lcukyNwa的博客
07-16 1640
python小代码集合
一个Python开发的低代码数据分析工具：DataPrep
涛哥聊Python
01-02 1044
DataPrep是一个基于Python的数据预处理工具，它的目标是帮助数据分析师和数据科学家更轻松地进行数据准备、数据清理和数据探索。它提供了一个交互式的用户界面，使用户可以通过简单的拖放操作和配置参数来执行各种数据操作，而无需编写大量的代码。DataPrep是一个强大的Python数据预处理工具，它为数据分析师和数据科学家提供了低代码的方式来处理数据。它的特性丰富且易于使用，使数据预处理和清理变得更加高效和便捷。
初学必备，30个极简Python代码，python必背入门代码
一名正义的白帽黑客
02-01 8989
初学必备，30个极简Python代码，python必背入门代码
PyCaret 3.0介绍 -- Python中的开源、低代码机器学习库
python收藏家的博客
06-01 1344
PyCaret 3.0介绍 -- Python中的开源、低代码机器学习库
python机器学习库sklearn
06-28
### 回答1： python的机器学习库sklearn是一个功能强大的机器学习工具包，提供了许多机器学习算法和工具，包括分类、回归、聚类、降维、模型选择、预处理等等。它的目的是使机器学习更加简单和可重复，以便更多的人可以轻松地使用它。 sklearn的代码风格简洁明了，易于理解和使用。它也提供了许多评估指标和工具，帮助用户评估模型的性能。此外，它还支持许多常见的数据集，方便用户进行试验和研究。 总的来说，sklearn是一个非常实用的机器学习工具包，适用于各种机器学习任务。如果你是一个初学者，或者是一个经验丰富的机器学习工程师，都可以从sklearn中受益。 ### 回答2： Python机器学习库sklearn是一个功能强大的开源工具，可实现各种常见和先进的机器学习任务。它通过提供简洁易用的API，使得机器学习的各个方面更加容易上手。 sklearn包含了众多的工具，包括预处理、特征提取、监督和无监督学习算法等等。其中，监督学习算法包括分类、回归和聚类。预处理工具包括缺失数据处理、数据标准化等等。而特征提取方面，sklearn支持所有流行的提取技术，如HOG、LBP和Sift等。无论从哪个角度看，sklearn都是一款强大的工具。 sklearn的优点在于它广泛的支持性。它提供了许多内置的数据集，使得机器学习工作更加容易上手。此外，sklearn还提供了许多功能强大的可视化工具，辅助开发者理解机器学习结果。 sklearn做得不足之处在于其内置算法并没有涵盖所有机器学习任务。例如，它并未支持深度学习，限制了其使用范围。另外，由于sklearn提供的是封装的算法，一定程度上降低了自定义的空间。 总而言之，sklearn是一款非常实用的机器学习工具，它在广泛的支持性、API易用性、可视化工具和算法效果上均有表现。但是，虽然它不是完美的，但它仍然是大多数机器学习项目的首选库之一。 ### 回答3： Python机器学习库sklearn是一个强大的工具，它提供了多种机器学习算法和工具，包括分类、回归、聚类、降维、模型选择和预处理等功能。sklearn是对其他Python数据处理库，如NumPy和Pandas的补充，使得用户可以快速轻松地对数据进行一些复杂的操作。在许多数据科学和机器学习项目中，sklearn成为了一个不可或缺的工具。 sklearn主要被开发用于数据挖掘和数据分析，并被广泛应用于分类、聚类、回归和推荐系统等领域。该库提供了许多流行的机器学习算法实现，如支持向量机（SVM）、K近邻（KNN）、决策树、随机森林、朴素贝叶斯等。这些算法可以应用于不同类型的数据，如数值、分类、文本、图像和语音等数据。 sklearn的另一个重要特点是它提供了许多有用的数据预处理和数据转换方法，如标准化、归一化、降维、数据合并等方法，这些方法可以使数据更适合于机器学习算法的应用。sklearn还提供了模型选择和评估的工具，如交叉验证、网格搜索和性能度量等方法，这些方法可以帮助用户有效地选择合适的算法和调整其参数。 sklearn的优点不仅在于它的功能和性能，而且在于它在Python社区的支持和贡献。由于python机器学习的社区非常活跃，因此sklearn能够获得广泛的应用和支持。此外，sklearn详细的文档和示例使得学习和使用该库变得更加轻松和容易。 总之，Python机器学习库sklearn是一个功能强大、易于使用和广泛应用于数据科学和机器学习项目的工具，它的优点在于其提供了众多有用的机器学习算法和工具，清晰的文档和示例以及强大的Python社区的支持。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值