如何用PyCaret建立一个机器学习分类模型

DebugUsery
326 阅读7分钟

用PyCaret构建机器学习分类模型

PyCaret是一个用Python编写的机器学习（ML）库。它允许开发者训练和部署ML模型。与scikit-learn等其他开源ML库相比，它是一个很好的替代性低代码库，只需几行代码就可以用来执行复杂的机器学习任务。

PyCaret是一个用Python编写的机器学习（ML）库。它允许开发者训练和部署ML模型。与其他开源ML库（如scikit-learn）相比，它是一个很好的替代性低代码库，只需几行代码就可以执行复杂的机器学习任务。

我们将使用PyCaret和来自Kaggle的信用卡客户违约数据集来预测客户是否会拖欠付款。这种预测将基于几个特征，我们将在本教程中看到。

前提条件

读者需要。

  1. 使用Jupyter笔记本或Google Colab。在我的教程中，我使用Google Colab。
  2. 熟悉Python编程语言。
  3. 安装Python 3.x
  4. 安装最新版本的PyCaret。目前，PyCaret 2.3是最新版本。

什么是PyCaret？

PyCaret是一个用Python编写的机器学习库。它允许开发者以一种简单而快速的方式训练和部署ML模型。

PyCaret在我们的教程中，我们只是将其用于分类。但是，你也可以使用这个库来执行聚类、回归、异常检测和自然语言处理任务。

为什么使用PyCaret？

  1. 它是一个开源的库。任何有兴趣使用它的人都可以使用。
  2. 它是用Python构建的。大多数开发人员都熟悉这种编程语言。
  3. 它很快速。在短短的几分钟内，开发人员可以部署复杂的模型。
  4. 它是一个低代码的ML库。由于你花在编码上的时间较少，它使开发者的工作效率更高。
  5. 它是一个基于现有库（如scikit-learn）的Python包装器。因此，不需要单独的学习曲线。
  6. 它与其他Python环境无缝集成，如PyCharm。开发人员可以轻松地将PyCaret集成到他们现有的ML工作流程中。
  7. 它是学生和有经验的开发者的理想选择。

PyCaret的功能

  1. 数据准备。
  2. 模型训练。
  3. 超参数调整。
  4. 分析和可解释性。
  5. 模型选择。
  6. 实验记录。

现在让我们开始使用PyCaret。第一步是安装和导入依赖项。

开始使用

我们将导入三个主要的依赖项。PyCaret，Pandas，和Shap。

  1. PyCaret

PyCaret将是我们的主要依赖。它允许我们利用ML管道来建立我们的模型。

  1. Pandas

我们正在使用pandas将CSV数据加载到数据框中。我们使用这个库来读取、清理和操作我们的数据集，以便能够建立一个自定义的机器学习模型。

  1. Shap

Shap帮助我们解释机器学习模型的结果。

现在让我们来安装这些依赖项。

安装依赖关系

使用pip install 命令，安装依赖性是比较直接的。由于你使用的是谷歌Colab，pip 命令应该已经自动安装了。只要键入以下代码即可。

pip install pycaret pandas shap

如果你使用你的本地jupyter笔记本来安装这些依赖项，就不需要在pip 命令前加上感叹号! 。

导入依赖项

现在让我们把这些依赖项导入我们的Google Colab。

import pandas as pd
from pycaret.classification import *

使用Pandas从Kaggle加载自定义数据集

让我们继续从Kaggle下载信用卡客户的默认数据集。从你的电脑上的Downloads文件夹中抓取下载的数据集，并将其复制到你正在处理的Google Colab文件夹中。

然后我们可以使用pandas库在Colab中加载这个数据集。

df = pd.read_csv(UCI_Credit_Card.csv)

要查看它，让我们键入以下内容。

df.head()

另外，还存在一个内置的PyCaret的数据库。使用get_data() 函数，你可以直接将数据加载到你的Colab中。但是，这个选项需要你有一个互联网连接。

from pycaret.datasets import get_data
credit_dataset = get_data('credit')

载入信用卡客户的默认数据集](/engineering-education/building-a-machine-learning-classification-model-with-pycaret/loaded- dataset.png)

训练和评估我们的ML分类模型

为了训练和评估我们的ML模型，我们需要使用setup() 函数。该函数创建了我们的ML转换管道，并在PyCaret中初始化了环境。PyCaret的规则规定，在执行任何其他函数之前，它必须是第一个被调用的函数。

setup() 函数接收两个参数；数据和目标。如果你想让PyCaret在你的数据集中推断数据类型，即把数字数据类型的特征推断为分类中使用的分类类型，可以添加一个额外的参数，称为categorical_features 和numeric_features 。但是，我们今天不会使用这个额外的参数。我将在后续文章中介绍它。

exp_name = setup(data = credit_dataset, target='default', session_id=5041)

Training and evaluating our ML classification model

如上所示，运行代码会产生有关预处理管道的信息，该管道是在执行setup() 。例如，我们的数据中有14个numeric features ，9个categorical features 。

在我们的实验中，我们也使用了session_id = 5041 参数。我们设置我们的参数是为了达到可重复性。使用它并不是强制性的，但排除它将促使一个随机数被生成。

实验完成后，现在要做的就是继续训练模型。

best_model = compare_models()

Best performing model

上面的代码是用来训练我们的模型的。为了训练它，我们运行compare_models() 函数。这个函数训练模型库中的所有模型，并使用常用的分类指标给它们打分。准确率、AUC、召回率、精确率、F1、Kappa。得到的结果显示了在某个特定时间点上表现最好的模型列表。

在我们的案例中，Ridge分类器是我们表现最好的模型。该列表包含不同的学习算法。但是，我们只对表现最好的学习算法感兴趣。我们放弃其他的。

测试我们的模型

predict_model(best_model)

Predicting the best model

测试我们的模型后记录的准确率是0.8159 。这与之前记录的准确率（0.8228 ）没有太大区别。这可能是由于过度拟合或其他需要调查的因素。

通过采用诸如早期停止和退出等技术，将帮助我们防止我们的模型过度拟合，并将大大减少训练和验证准确性之间的差异。

对我们的数据集进行预测

为了对我们的credit_dataset 数据集进行预测，请输入以下代码。

prediction = predict_model(best_model, data = credit_dataset)
prediction.tail()

Prediction on the dataset

请注意，Label 列现在已经被添加到我们数据集的末尾。这个Label 列表示我们的预测。值1 预测为真（客户会违约），而0 预测为假（客户不会违约）。我们使用head() 和tail() 函数分别对前5行和最后5行进行预测。你可以随便玩玩。要对所有的行进行预测，请删除prediction.tail() 代码。

保存我们的模型

我们要做的最后一件事是继续并保存这个模型。我们使用下面的代码来保存我们的模型。

save_model(best_model, model_name='ridge-model')

Saved model

加载我们保存的模型

要加载我们保存的模型，请键入以下代码。

model = load_model('ridge-model')

通过几行代码，我们的转换管道和模型已经成功地加载了!

收尾工作

简而言之，这就是如何开始使用PyCaret。PyCaret是scikit-learn的一个非常强大的竞争对手，我毫不怀疑它将成为像TensorFlow和pandas这样最常用的库之一。请自由尝试，使用你的自定义数据集建立你的ML分类模型。

avatar
文章
阅读
粉丝