PyCaret和Streamlit：快速创建和部署数据科学应用

建立和部署机器学习模型从未如此简单。现在，有许多框架和库帮助我们仅用几行代码来构建机器学习模型，PyCaret是最好的工具之一，而最近非常流行的Streamlit可用于快速创建和部署Web应用程序。

在本文中，我们将使用这两个库来创建一个数据科学Web应用程序。我们将使用PyCaret构建葡萄酒质量分类器。接下来，使用Streamlit创建和部署葡萄酒分类器。您将惊讶于构建分类器并部署Web应用是如此简单和快捷。让我们开始吧！

本文来自《数据黑客》，登录官网可阅读更多精彩资讯和文章。

加载和预处理数据

我们使用的数据是“葡萄酒质量(Wine Quality)”数据集，可以在此处免费下载。该数据集包含1599个实例和12个特征。先用Pandas加载数据集。

如上所示，数据集包含很多不同的特征，例如fixed acidity ，citric acid ，pH等。我们分类器的任务是预测葡萄酒质量的好坏。但是，quality特征的值不是我们期望的，我们需要将特征的值转换为“好”或“坏”。

为此，我们需要设置某些规则。如果葡萄酒的质量等于或大于6，则可以将葡萄酒的质量分类为好，否则质量不好。

现在，我们有了所需的数据！请注意，您还可以检查有855种葡萄酒归类为“好”和744种葡萄酒归类为“差”。这个比例似乎相当均衡，可以肯定地说我们没有数据集不均衡的问题。

数据集也很干净，这意味着没有缺失值，没有重复值，并且数据类型都是正确的。

接下来，使用PyCaret构建分类器模型。

使用PyCaret建立分类器模型

PyCaret是一个低代码的机器学习库，可自动执行所有机器学习工作流程。它的作用是为流行的机器学习库（例如scikit-learn，XGBoost，LightGBM，CatBoost等）提供包装。

借助PyCaret，我们可以在几行代码中构建用于分类，回归，聚类，异常检测或NLP问题的机器学习模型。

如果您尚未安装PyCaret，可以通过键入以下pip命令轻松地进行安装。

pip install pycaret

由于要解决分类问题，因此我们使用pycaret.classification模块。

实验1：默认设置

首先，我们需要使用setup()函数设置PyCaret环境。在我们调用PyCaret的其他函数之前，需要先调用此函数。

from pycaret.classification import *

exp_clf01 = setup(data = wine_df, target = 'quality', session_id = 123)

我们传递了两个参数作为setup()函数的参数：

• data - 输入数据。
• target - 要预测的特征的名称（因变量）。
• session_id - 安装环境的标识符。

如果运行上面的代码段，获得以下输出：

从上面的输出中，您可以看到setup()函数将自动将数据拆分为训练集和测试集。

另外，它将自动推断特征的数据类型：特征是数值变量还是分类变量。您需要仔细查看输出，因为有时函数会错误地推断数据类型。如果发现其中一项特征被错误推断，可以通过以下操作来更正它：

exp_clf01 = setup(data = wine_df, target = 'quality', session_id = 123, categorical_features = ['feature1', 'feature2'], numerical_features = ['feature3', 'feature4'])

接下来，让我们构建分类器模型。

建立机器学习模型时，大多数时候我们都不知道哪种模型可以提供最佳性能。使用PyCaret，可以使用单行代码来比较各种分类器的性能。

best = compare_models()

如上图所示，随机森林分类器在7个指标中有5个表现最佳。假设我们使用F1评分指标，随机森林分类器是最优模型。

实验2：调整设置

在继续之前，让我们看看是否可以通过调整setup()函数来改善模型的性能。

exp_clf102 = setup(data = train_data, t