python model如何获取分类错误的数据_太赞了！分享一个数据科学利器 PyCaret，几行代码搞定从数据处理到模型部署

作者：东哥起飞

微信公众号：Python数据科学

---

学习数据科学很久了，从数据探索、数据预处理、数据模型搭建和部署这些过程一直有些重复性的工作比较浪费时间，尤其当你有个新的想法想要快速尝试下效果的时候，效率很低。

东哥最近发现一个开源的Python机器学习库，名字叫PyCaret，这个轮子正好可以为了解决我刚才所描述的困扰，它的特点是以low-code低代码量来快速解决从数据预处理到模型部署的整个流程。

用了一下感觉确实有点香，因此也和大家分享一下。

PyCaret是什么？

PyCaret是一个将我们常用到的机器学习库进行封装了的轮子。

常用的都有啥呢？

比如pandas,numpy做数据处理的，matplotlib,seaborn数据可视化的，sklearn,xgboost,catboost,lightgbm等各种模型的，总共有30个。在安装PyCaret的时候会附带着一起都安装上。

封装这么多库干什么用？

PyCaret依赖了这么多的神库肯定是要搞事情啊。没错，机器学习中的一些操作步骤都可在PyCaret自动开发的pipeline中进行复现。在 Pycaret 中所执行的所有操作均按顺序存储在 Pipeline 中，该 Pipeline 针对模型部署进行了完全配置。

PyCaret就像是把所有都安排好了一样，我们按照它定义的函数使用就可以了。不管是填充缺失值、转换类别数据、执行特征工程设计，还是调参，Pycaret 都能够自动执行。 所以才可以实现用几行代码搞定从预处理到模型部署的整个流程。

而且pipeline可以保存为二进制文件格式，支持在不同环境中进行迁移。

PyCaret支持的模型算法

PyCaret支持6个模块，有监督和无监督模型的训练和部署，分别有分类、回归、聚类、异常检测、自然语言处理和关联规则挖掘。

PyCaret安装

pip install pycaret

老样子，命令行pip install皆可安装。

为了防止安装的这些依赖可能与之前你已安装过的发生冲突，建议可以创建个Python的虚拟环境安装PyCaret以减少不必要的麻烦，比如用python3 virtualenv或者conda。就拿conda为例吧。

#创建一个新的虚拟环境
conda create --name yourenvname python=3.7
#激活
conda activate yourenvname
#安装
pip install pycaret</