作者:Moez Ali
翻译:陈之炎
校对:阿笛
本文约2500字,建议阅读8分钟
本文概述了PyCaret的创新之处,并提供了使用示例。
标签:机器学习
可以使用pip下载Py Caret2.1,下载网址:
https://www.pycaret.org
我们激动地宣布2020年8月PyCaret2.1 更新版本正式发布!
Py Caret是一个开源的、低代码率的Python机器学习库,它可以使机器学习工作流程自动化,同时,它也是一个端到端的机器学习和模型管理工具,可以缩短机器学习实验周期,将生产力提高10倍。
与其他开源机器学习库相比,Py Caret是低代码量库的一个很好的选择,只利用几个单词,便可以用它来替换数百行代码,从而使得实验快速高效。
如果以前没有听到或使用过PyCaret,请参阅先前发布的指南,以便快速入门。
安装PyCaret
安装Py Caret非常容易,只需要几分钟的时间。建议使用虚拟环境来避免与其他库的潜在冲突。请参阅下面的示例代码,以创建Conda环境并在该Conda环境中安装pycaret:
#创建conda环境
conda create --name yourenvname python=3.6
#激活环境
conda activate yourenvname
#安装pycaret
pip install pycaret
#创建与conda环境链接的notebook内核
python -m ipykernel install --user --name yourenvname --display-name "display-name"
如果你已经安装好了PyCaret,还可以使用pip对它更新:
pip install --upgrade pycaret
PyCaret 2.1特征概述
照片来源:Paweł Czerwiński
GPU上的超参数调优
PyCare t2.0支持某些算法(如:XGBoost、LightGBM和Catboost)的GPU训练。PyCare2.1中添加了新的内容,可以实现在GPU上对这些模型的超参数调优。
#使用GPU 训练xgboost
xgboost = create_model('xgboost', tree_method = 'gpu_hist')
#xgboost 调优
tuned_xgboost = tune_model(xgboost)
由于tune_model函数自动从create_model函数创建的xgboost实例中继承了tree_method,因此在tune_model函数内部不需要其他参数。请参看下图:
包含88个特征的100,000行包含8个类的多类问题。