Python中LazyPredict库的实施以及训练所有分类或回归模型

Python中LazyPredict库的实施以及训练所有分类或回归模型，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

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。

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：

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。

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。

import pandas as pd from sklearn.model_selection import train_test_split  # Read the titanic dataset df_cls = pd.read_csv("titanic.csv") df_clsdf_cls = df_cls.drop(['PassengerId','Name','Ticket', 'Cabin'], axis=1)  # Drop instances with null records df_clsdf_cls = df_cls.dropna()  # feature processing df_cls['Sex'] = df_cls['Sex'].replace({'male':1, 'female':0}) df_cls['Embarked'] = df_cls['Embarked'].replace({'S':0, 'C':1, 'Q':2})  # Creating train test split y = df_cls['Survived'] X = df_cls.drop(columns=['Survived'], axis=1)  # Call train test split on the data and capture the results X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42, test_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。

# LazyClassifier Instance and fiting data cls= LazyClassifier(ignore_warnings=False, custom_metric=None) models, predictions = cls.fit(X_train, X_test, y_train, y_test)

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。

import pandas as pd from sklearn.model_selection import train_test_split  # read the data column_names = ['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV'] df_reg = pd.read_csv("housing.csv", header=None, delimiter=r"\s+", names=column_names)  # Creating train test split y = df_reg['MEDV'] X = df_reg.drop(columns=['MEDV'], axis=1)  # Call train_test_split on the data and capture the results X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42, test_size=0.2)

reg = LazyRegressor(ignore_warnings=False, custom_metric=None) models, predictions = reg.fit(X_train, X_test, y_train, y_test)

> (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。

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。

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注亿速云行业资讯频道，感谢您对亿速云的支持。