【科研建模】Pycaret自动机器学习框架使用流程及多分类项目实战案例详解
Pycaret自动机器学习框架使用流程及项目实战案例详解
- 1 Pycaret介绍
- 2 安装及版本需求
- 3 Pycaret自动机器学习框架使用流程
- 3.1 Setup
- 3.2 Compare Models
- 3.3 Analyze Model
- 3.4 Prediction
- 3.5 Save Model
- 4 多分类项目实战案例详解
- 4.1 ✅ Setup
- 4.2 ✅ Compare Models
- 4.3 ✅ Experiment Logging
- 4.4 ✅ Create Model
- 4.5 ✅ Tune Model
- 4.6 ✅ Ensemble Model
- 4.7 ✅ Blend Models
- 4.8 ✅ Stack Models
- 4.9 ✅ Plot Model
- 4.10 ✅ Interpret Model
- 4.11 ✅ Get Leaderboard
- 4.12 ✅ AutoML
- 4.13 ✅ Dashboard
- 4.14 ✅Create App
- 4.15 ✅ Create API
- 4.16 ✅ Create Docker
- 4.17 ✅ Finalize Model
- 4.18 ✅ Convert Model
- 4.19 ✅ Deploy Model
- 4.20 ✅ Save / Load Model
- 4.21 ✅ Save / Load Experiment
1 Pycaret介绍
开源、低代码的 Python 机器学习库。官方网址为：PyCaret 3.0
PyCaret 是一个开源、低代码的 Python 机器学习库，可实现机器学习工作流程的自动化。它是一款端到端的机器学习和模型管理工具，可成倍加快实验周期，提高工作效率。
与其他开源机器学习库相比，PyCaret 是另一种低代码库，只需几行代码就能取代数百行代码。这使得实验的速度和效率成倍提高。PyCaret 本质上是几个机器学习库和框架的 Python 封装器，如 scikit-learn、XGBoost、LightGBM、CatBoost、spaCy、Optuna、Hyperopt、Ray 等。
PyCaret 的设计和简洁性受到了公民数据科学家这一新兴角色的启发。公民数据科学家是强大的用户，他们可以执行简单和中度复杂的分析任务，而这些任务以前需要更多的专业技术知识。
2 安装及版本需求
PyCaret is tested and supported on 64-bit systems with:
Pyt