其他
PyCaret，一个超强的 python 库
大家好，我是小寒。
今天给大家分享一个超强的 python 库，PyCaret。
https://github.com/pycaret/pycaret
简介
初体验
安装
pip install pycaret快速入门
PyCaret 具有 「函数式API和面向对象的API」两种形式。
函数式API
# Classification Functional API Example
# loading sample dataset
from pycaret.datasets import get_data
data = get_data('juice')
# init setup
from pycaret.classification import *
s = setup(data, target = 'Purchase', session_id = 123)
# model training and selection
best = compare_models()
# evaluate trained model
evaluate_model(best)
# predict on hold-out/test set
pred_holdout = predict_model(best)
# predict on new data
new_data = data.copy().drop('Purchase', axis = 1)
predictions = predict_model(best, data = new_data)
# save model
save_model(best, 'best_pipeline')面向对象的API
# Classification OOP API Example
# loading sample dataset
from pycaret.datasets import get_data
data = get_data('juice')
# init setup
from pycaret.classification import ClassificationExperiment
s = ClassificationExperiment()
s.setup(data, target = 'Purchase', session_id = 123)
# model training and selection
best = s.compare_models()
# evaluate trained model
s.evaluate_model(best)
# predict on hold-out/test set
pred_holdout = s.predict_model(best)
# predict on new data
new_data = data.copy().drop('Purchase', axis = 1)
predictions = s.predict_model(best, data = new_data)
# save model
s.save_model(best, 'best_pipeline')使用面向对象API实现时间序列分析
# load dataset
from pycaret.datasets import get_data
data = get_data('airline')
data# init setup
from pycaret.time_series import TSForecastingExperiment
s = TSForecastingExperiment()
s.setup(data,fh = 3,session_id = 123,n_jobs=1)
best=s.compare_models()s.plot_model(best,plot = 'forecast')
# forecast plot 36 days out in future
s.plot_model(best, plot = 'forecast', data_kwargs = {'fh' : 36})在 GPU 上训练
要想在 GPU 上训练模型，只需在 setup 函数中传递 use_gpu = True 即可。
API 的使用没有发生变化；但是，在某些情况下，必须安装额外的库。
你可以在 GPU 上训练以下模型：
Extreme Gradient Boosting CatBoost Logistic 回归、岭分类器、随机森林、K 邻域分类器、K 邻域回归器、支持向量机、线性回归、岭回归、套索回归。
Light Gradient Boosting Machine
最后
—
「进群方式：加我微信，备注 “python”」
往期回顾
Fashion-MNIST 服装图片分类-Pytorch实现
如果对本文有疑问可以加作者微信直接交流。进技术交流群的可以加微信拉你进群。