在算法選型的時(shí)候經(jīng)常要把相關(guān)算法在數(shù)據(jù)集訓(xùn)練看一下效果，有時(shí)候想有空的時(shí)候一定要把這些工作封裝在一起，快速調(diào)用。

事實(shí)證明，只要拖的久，大牛們總會(huì)把讓人心儀的包封裝好。

本次重點(diǎn)推薦調(diào)包俠的機(jī)器學(xué)習(xí)神器—pycaret。

1、初始化

pycaret在初始化setup階段自動(dòng)完成機(jī)器學(xué)習(xí)必需的數(shù)據(jù)預(yù)處理步驟，例如缺失值插補(bǔ)，分類變量編碼，標(biāo)簽編碼（將yes或no轉(zhuǎn)換為1或0）和訓(xùn)練、測試集拆分（train-test-split）

from pycaret.classification import setup
# 首先初始化，傳入數(shù)據(jù)集，Class variable為label信息
exp1 = setup(diabetes, target = 'Class variable')

例如diabetes這份數(shù)據(jù)集是二分類場景，數(shù)據(jù)結(jié)構(gòu)為(768,9)，無缺失值情況，特征處理后有23個(gè)特征，拆分訓(xùn)練集

2、模型比較

# 一行代碼解決模型比較
from pycaret.classification import compare_models
compare_models()

比較這份數(shù)據(jù)集使用不同模型的效果

3、模型搭建與參數(shù)調(diào)優(yōu)

選擇最優(yōu)的算法訓(xùn)練數(shù)據(jù)集，并進(jìn)行參數(shù)調(diào)優(yōu)

from pycaret.classification import create_model, tune_model
# 模型搭建
adaboost = create_model('ada')
# 參數(shù)調(diào)優(yōu)
tuned_adaboost = tune_model('ada')

小結(jié)

其他內(nèi)容懶得寫了，總之就是pycaret可以用很少的代碼替換原來的數(shù)百行代碼，簡化工作量。

覺得有時(shí)間可以看一看源碼，看看特征工程、參數(shù)調(diào)優(yōu)等方面大牛們是怎么打造的

參考資料

[1] https://github.com/pycaret/pycaret
[2] 機(jī)器學(xué)習(xí)建模神器PyCaret已開源：https://blog.csdn.net/Datawhale/article/details/106009984