Python 官方文档:入门教程 => 点击学习
这篇文章主要介绍“python机器学习工具pyCaret怎么使用”,在日常操作中,相信很多人在Python机器学习工具pyCaret怎么使用问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”python机器学习工
这篇文章主要介绍“python机器学习工具pyCaret怎么使用”,在日常操作中,相信很多人在Python机器学习工具pyCaret怎么使用问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”python机器学习工具pyCaret怎么使用”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!
PyCaret 是一个开源、低代码的 Python 机器学习库,可自动执行机器学习工作流。它是一种端到端的机器学习和模型管理工具,可以以指数方式加快实验周期并提高您的工作效率。欢迎收藏学习,喜欢点赞支持,文末提供技术交流群。
与其他开源机器学习库相比,PyCaret 是一个替代的低代码库,可用于仅用几行代码替换数百行代码。 这使得实验速度和效率呈指数级增长。 PyCaret 本质上是围绕多个机器学习库和框架(例如 scikit-learn、XGBoost、LightGBM、CatBoost、spaCy、Optuna、Hyperopt、Ray 等)的 Python 包装器。
PyCaret 的设计和简单性受到数据科学家这一新兴角色的启发,可以执行以前需要更多技术专长的简单和中等复杂的分析任务。
PyCaret 的新时间序列模块现已提供测试版。 秉承 PyCaret 的简单性,它与现有的 api 保持一致,并带有很多功能。 统计测试、模型训练和选择(30 多种算法)、模型分析、自动超参数调优、实验记录、云部署等, 所有这一切只需要几行代码(就像 pycaret 的其他模块一样)。 如果您想尝试一下,请查看官方的快速入门笔记本。
您可以使用 pip 安装此库。 如果你在同一个环境中安装了 PyCaret,由于依赖冲突,你必须为 pycaret-ts-alpha 创建一个单独的环境。
pip install pycaret-ts-alpha
接下来安排如下
PyCaret 的时间序列模块中的工作流程非常简单。 它从设置功能开始,您可以在其中定义预测范围 fh 和折叠次数。 您还可以将 fold_strategy 定义为扩展或滑动。
设置后,著名的 compare_models 函数训练和评估从 ARIMA 到 XGboost(TBATS、FBProphet、ETS 等)的 30 多种算法。
plot_model 函数可以在训练之前或之后使用。 在训练前使用时,它使用 plotly 界面收集了大量时间序列 EDA 图。 与模型一起使用时,plot_model 处理模型残差,并可用于访问模型拟合。
最后,predict_model 用于生成预测。
import pandas as pdfrom pycaret.datasets import get_datadata = get_data('pycaret_downloads')data['Date'] = pd.to_datetime(data['Date'])data = data.groupby('Date').sum()data = data.asfreq('D')data.head()
# plot the datadata.plot()
这个时间序列是从 pip 每天下载 PyCaret 库的次数。
# with functional APIfrom pycaret.time_series import *setup(data, fh = 7, fold = 3, session_id = 123)# with new object-oriented APIfrom pycaret.internal.pycaret_experiment import TimeSeriesExperimentexp = TimeSeriesExperiment()exp.setup(data, fh = 7, fold = 3, session_id = 123)
check_stats()
# functional APIplot_model(plot = 'ts')# object-oriented APIexp.plot_model(plot = 'ts')
# cross-validation plotplot_model(plot = 'cv')
# ACF plotplot_model(plot = 'acf')
# Diagnostics plotplot_model(plot = 'diagnostics')
# Decomposition plotplot_model(plot = 'decomp_stl')
# functional APIbest = compare_models()# object-oriented APIbest = exp.compare_models()
时间序列模块中的 create_model 就像在其他模块中一样。
# create fbprophet modelprophet = create_model('prophet')print(prophet)
tune_model 也没有太大不同。
tuned_prophet = tune_model(prophet)print(tuned_prophet)
plot_model(best, plot = 'forecast')
# forecast in unknown futureplot_model(best, plot = 'forecast', data_kwargs = {'fh' : 30})
# in-sample plotplot_model(best, plot = 'insample')
# residuals plotplot_model(best, plot = 'residuals')
# diagnostics plotplot_model(best, plot = 'diagnostics')
# finalize modelfinal_best = finalize_model(best)# generate predictionspredict_model(final_best, fh = 90)
# save the modelsave_model(final_best, 'my_best_model')
到此,关于“python机器学习工具pyCaret怎么使用”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注编程网网站,小编会继续努力为大家带来更多实用的文章!
--结束END--
本文标题: python机器学习工具pyCaret怎么使用
本文链接: https://www.lsjlt.com/news/306188.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
下载Word文档到电脑,方便收藏和打印~
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
一口价域名售卖能注册吗?域名是网站的标识,简短且易于记忆,为在线用户提供了访问我们网站的简单路径。一口价是在域名交易中一种常见的模式,而这种通常是针对已经被注册的域名转售给其他人的一种方式。
一口价域名买卖的过程通常包括以下几个步骤:
1.寻找:买家需要在域名售卖平台上找到心仪的一口价域名。平台通常会为每个可售的域名提供详细的描述,包括价格、年龄、流
443px" 443px) https://www.west.cn/docs/wp-content/uploads/2024/04/SEO图片294.jpg https://www.west.cn/docs/wp-content/uploads/2024/04/SEO图片294-768x413.jpg 域名售卖 域名一口价售卖 游戏音频 赋值/切片 框架优势 评估指南 项目规模 安全指南 Osprey 游戏分析 游戏调试 游戏图形 游戏物理 开源库
0