一行Python代码训练所有分类或回归模型

时间:2021-12-10 12:41:40

自动化机器学习(自动ML)是指自动化数据科学模型开发管道的组件。Automl减少数据科学家的工作量并加快工作流程。Automl可用于自动化各种流水线组件,包括数据理解,EDA,数据处理,模型训练,Quand参数调谐等。

一行Python代码训练所有分类或回归模型

对于端到端机器学习项目,每个管道组件的复杂性取决于项目。有各种自动启用源库,可加快每个管道组件。阅读本文知道8个自动列表库以自动化机器学习管道。

在本文中,我们将讨论如何使用开源Python库LazyPredict自动化模型训练过程。

什么是lazypredict?

 

LazyPredict是一个开源Python库,可自动化模型训练管道并加快工作流程。LazyPredict在分类数据集中约为30个分类模型,并列出了回归数据集的40个回归模型。

LazyPredict与训练有素的型号一起回到其性能指标,而无需编写太多代码。人们可以比较每个模型的性能指标并调整最佳模型,以进一步提高性能。

安装:

 

leazepredict可以使用pypl库安装:

  1. pip install lazypredict 

安装后,可以导入库进行分类和回归模型的自动训练。

  1. from lazypredict.Supervised import LazyRegressor, LazyClassifier 

用法:

 

LazyPredict支持分类和回归问题,所以我会讨论两个任务的演示

波士顿住房(回归)和泰坦尼克号(分类)DataSet用于演示LazyPredict库。

分类任务:

 

LazyPredict的用法非常直观,类似于Scikit-learn。首先,为分类任务创建估计器LazyClassifier的实例。一个可以通过定制度量标准进行评估,默认情况下,每种型号将在准确性,ROC AUC分数,F1分数进行评估。

在继续进行LazyPredict模型训练之前,必须阅读数据集并处理它以使其适合训练。

  1. import pandas as pd 
  2. from sklearn.model_selection import train_test_split 
  3.  
  4. # Read the titanic dataset 
  5. df_cls = pd.read_csv("titanic.csv") 
  6. df_clsdf_cls = df_cls.drop(['PassengerId','Name','Ticket', 'Cabin'], axis=1
  7.  
  8. # Drop instances with null records 
  9. df_clsdf_cls = df_cls.dropna() 
  10.  
  11. # feature processing 
  12. df_cls['Sex'] = df_cls['Sex'].replace({'male':1, 'female':0}) 
  13. df_cls['Embarked'] = df_cls['Embarked'].replace({'S':0, 'C':1, 'Q':2}) 
  14.  
  15. # Creating train test split 
  16. y = df_cls['Survived'] 
  17. X = df_cls.drop(columns=['Survived'], axis=1
  18.  
  19. # Call train test split on the data and capture the results 
  20. X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42test_size=0.2) 

在特征工程和将数据分成训练测试数据之后,我们可以使用LazyPredict进行模型训练。

  1. # LazyClassifier Instance and fiting data 
  2. clsLazyClassifier(ignore_warnings=Falsecustom_metric=None
  3. models, predictions = cls.fit(X_train, X_test, y_train, y_test) 

一行Python代码训练所有分类或回归模型

回归任务:

 

类似于分类模型训练,LazyPredict附带了回归数据集的自动模型训练。实现类似于分类任务,在实例LazyRegressor中的更改。

  1. import pandas as pd 
  2. from sklearn.model_selection import train_test_split 
  3.  
  4. # read the data 
  5. column_names = ['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV'] 
  6. df_reg = pd.read_csv("housing.csv", header=Nonedelimiter=r"\s+"names=column_names
  7.  
  8. # Creating train test split 
  9. y = df_reg['MEDV'] 
  10. X = df_reg.drop(columns=['MEDV'], axis=1
  11.  
  12. # Call train_test_split on the data and capture the results 
  13. X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42test_size=0.2) 
  1. reg = LazyRegressor(ignore_warnings=Falsecustom_metric=None
  2. models, predictions = reg.fit(X_train, X_test, y_train, y_test) 

一行Python代码训练所有分类或回归模型

一行Python代码训练所有分类或回归模型

> (Image by Author), Performance metrics of 42 regression models for the Boston Housing dataset

观察上述性能指标,Adaboost分类器是分类任务的最佳性能模型,渐变增强的替换机策略模型是回归任务的最佳表现模型。

结论:

 

在本文中,我们已经讨论了LazyPredict库的实施,这些库可以在几行Python代码中训练大约70个分类和回归模型。它是一个非常方便的工具,因为它给出了模型执行的整体情况,并且可以比较每个模型的性能。

每个模型都训练,默认参数,因为它不执行HyperParameter调整。选择最佳执行模型后,开发人员可以调整模型以进一步提高性能。

谢谢你的阅读!

本文翻译自Christopher Tao的文章《Train all Classification or Regression models in one line of Python Code》。

原文链接:https://www.toutiao.com/i6960373529485378079/