管理你的ML model（By Neptune）使用例子：sklearn、LightGBM，Xgboost

管理你的ML model（By Neptune）使用例子：sklearn、LightGBM，Xgboost

文章的代码在这里：https://colab.research.google.com/drive/1kA61_Ev0Pvwhu_7_1TD9fEeLRgoURa0J?usp=sharing

目录：

1、什么是Neptune

2、基于sklearn中的基本模型、LightGBM、XGboost展示

3、总结

什么是Neptune？

你是否还在为：模型可视化、模型performance可视化、学习曲线生成、不同模型比较等等，一系列繁杂的操作而烦恼？选择Neptune，这些问题都会迎刃而解

昨天，我在研究如何使用LightGBM的时候，在Google的搜索结果中，发现了Neptune，给我打开了一个新世界的大门。

有过机器学习项目实战经验的同学们都知道，对于模型performance的检验和可视化是一个无比重要，但又繁杂的工作。尤其是这个模型是基于Cross Validation或者像LightGBM，Xgboost一样的集成模型时候。

可是如果你在你的代码中加入Neptune后，你会发现，这些问题它都帮你解决了，并且这一过程是十分方便。这就是Neptune的魅力！

Neptune的网址：https://neptune.ai/

---

基于sklearn中的基本模型、LightGBM、XGboost展示

注意：

1、下列模型都不涉及超参数寻优。超参数寻优的话，sklearn的GridSearchCV不支持，但支持scikit-optimize

2、数据集基于Kaggle中的Titanic数据集

3、运行环境选择的是Google的“colab notebook"；你也可以在本地运行

4、x_train：训练集自变量；y_train：训练集因变量（目标变量）；x_test：测试集自变量；y_test：测试集因变量（目标变量）

---

sklearn中的SVM

参考官方文档：https://docs.neptune.ai/integrations-and-supported-tools/model-training/sklearn

根据笔者在官方文档中查看到的资料，发现：现在暂且不支持sklearn中的超参数调参的function，例如GridSearchCV（）；但是，经过尝试发现，GridSearchCV（）也是可以用的，只是保存的performance等信息，与单一学习器（模型）相同，并没有任何优势。证明：如果想运用Neputne监控超参数调参的话，sklearn中的函数还不支持，建议使用scikit-optimize

1、安装Neptune

! pip install graphviz==0.10.1 neptune-client

pip install neptune-sklearn

2、 激活 Neptune

1、运行代码后，下方会出现一个网址，点击网址即可查看你的model

2、在Neptune中的相关目录等级为：

Account

​ |——>Project

​ |——>model

3、查看自己的API参考官方文档：https://docs.neptune.ai/getting-started/installation#authentication-neptune-api-token

import neptune.new as neptune
run = neptune.init(
      project="xiaohu2200/pratice",#我在Neptune注册的账号叫做xiaohu2200，并且我创建了一个project叫做pratice
      api_token="eyJhcGlfYWRkcmVzcyI6Imh0dHBzOi8vYXBwLm5lcHR1bmUuYWkiLCJhcGlfdXJsIjoiaHR0cHM6Ly9hcHAubmVwdHVuZS5haSIsImFwaV9rZXkiOiJiM2RlZmNiNy0yNGMxLTRjNDAtOTBmZC04NWY3Y2MxMGZmZDYifQ==",#你可以在Neptune的个人账户界面查到自己的API
      name="svm_titanic",
      tags=["SVM", "notebook"],#自己添加的tag
  )

3、运行SVM

记住&