- 综合排序
- 最热优先
- 最新优先
- 来自专栏小明的博客
PyCaret
PyCaret是Python中的低代码机器学习开发平台，能够自动完成机器学习的整个工作流。
54340编辑于 2022-09-06 - 来自专栏数据分析与挖掘
pycaret模型分析
该函数仅在pycaret.classification和pycaret.regression模块中可用。 这可以在PyCaret中使用assign_model函数实现，该函数将训练有素的模型对象作为单个参数。 此功能仅在pycaret.clustering，pycaret.anomaly和pycaret.nlp模块中可用。 此功能仅在pycaret.classification模块中可用。 此功能仅在pycaret.classification模块中可用。
93610发布于 2020-10-27 - 来自专栏数据分析与挖掘
pycaret之模型部署
当使用设置在PyCaret中开始实验时，将创建模型训练中未使用的保留集。默认情况下，如果在设置中未定义train_size参数，则保留集包含30％的数据集样本。 PyCaret中的所有功能都使用剩余的70％作为训练集来创建，调整或集成模型。因此，保持集是最终保证，可用于诊断过拟合/欠拟合。 该函数仅在pycaret.classification和pycaret.regression模块中可用。 或者，可以使用PyCaret将模型部署在云上。 在云上部署模型就像编写deploy_model一样简单。 ' }) 4、保存模型 在PyCaret中保存训练好的模型就像编写save_model一样简单。
95120发布于 2020-10-27 - 来自专栏磐创AI技术团队的专栏
用PyCaret创建整个机器学习管道
分类模块 PyCaret分类模块(pycaret.classification)是一个有监督的机器学习模块，用于根据各种技术和算法将元素分类为二类。 PyCaret分类模块可用于二或多类分类问题。它有18个以上的算法和14个分析模型性能的曲线图。无论是超参数调整、加密还是诸如堆叠之类的高级技术，PyCaret的分类模块都有。 ? 它直接来自PyCaret数据集，是我们管道的第一个方法 ? 在我们的例子中，我们已经在开始时分离了验证集 2-设置PyCaret环境 ? 现在让我们设置Pycaret环境。函数的作用是：初始化pycaret中的环境，并创建转换管道，为建模和部署准备数据。 PyCaret会自动为你执行此操作。
1.3K41发布于 2020-12-29 - 来自专栏生信菜鸟团
PyCaret | 几行代码搞定机器学习建模
•GitHub 地址：https://github.com/pycaret/pycaret•官网：https://www.pycaret.org•教程：https://www.pycaret.org/tutorial # 创建 conda 环境 conda create --name pycaret python=3.8 # 激活 conda 环境 conda activate pycaret # 安装完整版 pycaret 建立二分类模型 PyCaret 的分类模块 (pycaret.classification) 是一个有监督的机器学习模块，用于二分类和多分类问题。 预设 PyCaret 流程参数 在执行 PyCaret 其他步骤之前，我们必须执行setup() 函数，这一步这将初始化 PyCaret 中的环境参数并创建数据预处理流程。 从此可以看出 PyCaret 的简单易用，除了上面例子中这样简单的建模之外，PyCaret 还支持更为高级的操作，例如集成模型。
2.3K30编辑于 2022-02-15 - 来自专栏好奇心Log
PyCaret 可轻松搞定机器学习！
PyCaret 是由 Moez Ali 创建并于2020年4月发布的 python 开源低代码机器学习库。它只需要使用很少的代码就可以创建整个机器学习管道。 与其他开源机器学习库相比，PyCaret 是一个低代码库，它可以使项目快速而高效完成。 安装 pip install pycaret 为了让大家更好的了解 PyCaret ，我将以电信客户客户流失数据集为例子进行讲解，数据集文末可以下载，字段含义如下： 导入数据 import numpy 的模块开始 from pycaret.classification import * 设置 PyCaret 是从机器学习准备环境开始。 正如前面所说，PyCaret 的确是一个低代码库。
1.3K20发布于 2021-08-26 - 来自专栏数据分析与挖掘
pycaret模型分析之绘制模型结果
在PyCaret中分析模型性能就像编写plot_model一样简单。 该函数将受训的模型对象和图的类型作为plot_model函数中的字符串。 import get_data boston = get_data('boston') # Importing module and initializing setup from pycaret.regression import get_data anomalies = get_data('anomaly') # Importing module and initializing setup from pycaret.anomaly import get_data kiva = get_data('kiva') # Importing module and initializing setup from pycaret.nlp import get_data france = get_data('france') # Importing module and initializing setup from pycaret.arules
96330发布于 2020-10-27 - 来自专栏数据分析与挖掘
pycaret之训练模型（创建模型、比较模型、微调模型）
该函数仅在pycaret.classification和pycaret.regression模块中可用。 （1）分类案例： from pycaret.datasets import get_data diabetes = get_data('diabetes') # Importing module and initializing setup from pycaret.classification import * clf1 = setup(data = diabetes, target = 'Class setup from pycaret.regression import * reg1 = setup(data = boston, target = 'medv') # return best model PyCaret中的音调模型功能是对预定义搜索空间进行的随机网格搜索，因此它依赖于搜索空间的迭代次数。
2.7K10发布于 2020-10-27 - 来自专栏炼丹笔记
PyCaret!又一个神仙ML库！
炼丹笔记干货 作者：时晴 PyCaret这个开源工具，用起来可谓简单至极，少量代码就可以搭建各种端到端的模型，废话不多说，直接看实战。 PyCaret安装: # install slim version (default) pip install pycaret # install the full version pip install pycaret[full] 先用PyCaret自带的'insurance'数据集作为例子，我们看下数据: # read data from pycaret repo from pycaret.datasets import get_data data = get_data('insurance') 数据预处理 该步骤是使用PyCaret构建任何模型强制要做的一步： # initialize setup from pycaret.regression import * s = setup(data, target = 'charges') 执行完上述代码后，不仅自动推断了各个特征的类型，还问你是否推断正确
88430发布于 2021-09-02 - 来自专栏数据分析与挖掘
pycaret之集成模型（集成模型、混合模型、堆叠模型）
该函数仅在pycaret.classification和pycaret.regression模块中可用。 在PyCaret中混合模型就像编写blend_models一样简单。 该函数仅在pycaret.classification和pycaret.regression模块中可用。 在PyCaret中堆叠模型就像编写stack_models一样简单。此函数使用estimator_list参数获取训练模型的列表。 该函数仅在pycaret.classification和pycaret.regression模块中可用。 警告：在以后的PyCaret 2.x发行版中将不建议使用此功能。
3.5K10发布于 2020-10-27 - 来自专栏源懒由码
python数据挖掘 pycaret.arules 关联规则学习
2.pycaret.arules使用方法 官方链接：https://pycaret.readthedocs.io/en/latest/api/arules.html，整体使用的流程为： 1）setup create_model() ：创建模型-> plot_model()展示模型结果与分析 2）get_rules()：查看详细规则，返回pandas.DataFrame 2.1API介绍 初始化： # pycaret # return 全局变量 pycaret.arules.setup(data, transaction_id, item_id, ignore_items=None, session_id=None) (model, plot='2d', scale=1) 其他 具体使用代码： from pycaret.datasets import get_data data = get_data('france ') from pycaret.arules import * exp_name = setup(data = data, transaction_id = 'InvoiceNo', item_id =
1.4K20发布于 2020-12-16 - 来自专栏数据分析与挖掘
更简易的机器学习-pycaret的安装和环境初始化
1、安装 pip install pycaret 在谷歌colab中还要运行： from pycaret.utils import enable_colab enable_colab() 2、获取数据 S.No Module How to Import 1 Classification from pycaret.classification import * 2 Regression from pycaret.regression import * 3 Clustering from pycaret.clustering import * 4 Anomaly Detection from pycaret.anomaly import * 5 Natural Language Processing from pycaret.nlp import * 6 Association Rule Mining from pycaret.arules 下面列出的是初始化设置时PyCaret执行的基本默认任务： 数据类型推断：在PyCaret中执行的任何实验都始于确定所有特征的正确数据类型。
1.5K10发布于 2020-10-27 - 来自专栏Datawhale专栏
机器学习建模神器PyCaret已开源！提升效率，几行代码轻松搞定模型
要了解有关PyCaret的更多信息，请观看此1分钟的视频。 PyCaret入门 可以安装PyCaret的第一个稳定版本(PyCaret1.0.0)。 pip install pycaret 当您安装PyCaret时，将自动安装所有依赖项。 PyCaret的github仓库：https://github.com/pycaret/pycaret from pycaret.datasets import get_datadiabetes PyCaret的管道可以轻松地在各种环境之间转移，以实现大规模运行或轻松部署到生产环境中。以下是PyCaret首次发布时可用的预处理功能。PyCaret的预处理能力如下图： ? ? 特别提醒：tune_model位于无监督模块，如函数pycaret.nlp，pycaret.clustering和pycaret.anomal可与监督模块结合使用。
2.8K30发布于 2020-05-16 - 来自专栏机器之心
几行代码搞定ML模型，低代码机器学习Python库正式开源
GitHub 地址：https://github.com/pycaret/pycaret 用户文档：https://www.pycaret.org/guide Notebook 教程：https://www.pycaret.org PyCaret 库提供的六个模块。 接下来，我们就来了解一下 PyCaret 库的安装和使用方法吧。 启动 PyCaret 使用 pip 安装 PyCaret。 pip install pycaret 安装 PyCaret 时会自动安装所有依赖项，过程非常简单，如下图所示： ? 直接从 PyCaret 库中导入数据集的最简单方法是使用 pycaret.datasets 模块中的 get_data 函数。 在无监督模块中的 tune_model 函数，比如 pycaret.nlp,pycaret.clustering 和 pycaret.anomaly 可以和监督模块结合使用。
1.1K40发布于 2020-04-18 - 来自专栏磐创AI技术团队的专栏
使用 GitHub Action来托管AutoML软件
如果你以前没有听说过PyCaret，可以在这里阅读pycaret2.0的官方声明：https://towardsdatascience.com/announcing-pycaret-2-0-39c11014540e ，或者查看这里的详细发行说明：https://github.com/pycaret/pycaret/releases/tag/2.0。 在许多其他开放源码的AutoML库中，PyCaret是一个相对较新的库，并且具有独特的机器学习方法接口。PyCaret的设计和功能简单、人性化、直观。 在很短的时间内，PyCaret被全球超过10万名数据科学家采用，我们是一个不断增长的开发者社区。 PyCaret是如何工作的 PyCaret是一个用于有监督和无监督机器学习的工作流自动化工具。 本教程中使用的存储库： https://github.com/pycaret/pycaret-git-actions https://github.com/pycaret/pycaret-automl-test
77520发布于 2020-08-24 - 来自专栏DeepHub IMBA
Pycaret 3.0的RC版本已经发布了，什么重大的改进呢？
Pycaret是Python中的一个开源可自动化机器学习工作流程的低代码机学习库。它是一种端到端的机器学习和模型管理工具。要了解有关Pycaret的更多信息，可以查看官方网站或GitHub。 1、与最新版本的Scikit-Learn完全兼容 Pycaret 2.x需要Scikit-Learn 0.23.2，如果您想在同一Python环境中使用Scikit-Learn和Pycaret的最新版本是不可能的 2、面向对象的API PyCaret很棒，但缺乏面向对象的思想。 (exp1) 3、时间序列模块 很长一段时间以来，PyCaret的时间序列模块一直是一个单独的PyPI库(PyCaret-ts-alpha)。 现在PyCaret 3.0终于将他们整合在一起。
51010编辑于 2022-06-04 - 来自专栏ShowMeAI研究中心
2022了你还不会『低代码』？数据科学也能玩转Low-Code啦！ ⛵
图片与其他开源机器学习库相比，PyCaret 有着明显的低代码特质，可仅用几行代码完成原本需要数百行代码完成的工作，尤其是对于密集的实验迭代过程可以大大提速。 PyCaret 本质上是围绕多个机器学习库和框架封装而成，包括大家熟悉的 Scikit-Learn、XGBoost、LightGBM、CatBoost、spaCy、Optuna、Hyperopt 和 Ray 图片大家可以通过 Pycaret 的 官方文档，官方GitHub，官方教程 了解更多使用细节。 https://github.com/lux-org/lux pandas-profiling 项目 GitHub: https://github.com/ydataai/pandas-profiling Pycaret 官方文档: https://pycaret.gitbook.io/ Pycaret 官方GitHub: https://www.github.com/pycaret/pycaret Pycaret 官方教程
81041编辑于 2022-08-09 - 来自专栏ShowMeAI研究中心
全自动化机器学习建模！效果吊打初级炼丹师！ ⛵
图片与其他开源机器学习库相比，PyCaret 有着明显的低代码特质，可仅用几行代码完成原本需要数百行代码完成的工作，尤其是对于密集的实验迭代过程可以大大提速。 PyCaret 本质上是围绕多个机器学习库和框架封装而成，包括大家熟悉的scikit-learn、XGBoost、LightGBM、CatBoost、spaCy、Optuna、Hyperopt 和 Ray 图片Pycaret的相关资料链接如下： 文档：https://pycaret.gitbook.io/ GitHub：https://www.github.com/pycaret/pycaret 教程：https ://pycaret.gitbook.io/docs/get-started/tutorials图片 H2O AutoMLH2O AutoML是另一个很有名的自动化机器学习库，可以帮助我们在有限的时间内自动训练和调优许多模型 文档: https://pycaret.gitbook.io/ Pycaret GitHub: https://www.github.com/pycaret/pycaret Pycaret 教程: https
2.1K31编辑于 2022-08-09 - 来自专栏Python进阶之路
PyCaret 成功解决无法从‘sklearn.model_selection._search‘导入名称“_check_param_grid”
在使用 pycaret-ts-alpha 时遇到报错，如下所示： 这是因为在 sktime 依赖项中使用了来自 sklearn 的私有方法。 可以查看 GitHub Issues 中的一些讨论和解决方案：https://github.com/pycaret/pycaret/issues/2542 参考了： https://www.5axxw.com /questions/content/3qc81j https://github.com/pycaret/pycaret/issues/2542
1.8K40编辑于 2022-06-25 - 来自专栏量子位
调包侠神器2.0发布，Python机器学习模型搭建只需要几行代码
从数据预处理到模型效果对比，PyCaret都能自动实现。 所以，PyCaret长啥样，2.0的版本又做了什么改进？ 一起来看看。 别怕，PyCaret会自动分析数据，进行缺失值插入。 ? 预处理后，PyCaret还贴心地帮你准备了各种模型。 从模型训练、选用到测试，只有你想不到的，没有它做不了的。 最后，PyCaret还能为新数据提供迭代预测结果，下面的效果，同样只需要几行代码就能完成。 ? 那么，这次PyCaret增强，进行了什么改进呢？ 甚至，PyCaret 2.0还提供了机器学习模型前端软件的搭建工具。 以及，PyCaret 2.0现在几乎支持所有算法的并行处理，xgboost和catboost模型也支持GPU训练。 ? 传送门 项目地址： https://github.com/pycaret/pycaret/releases/tag/2.0 参考链接： https://towardsdatascience.com/announcing-pycaret
60220发布于 2020-08-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号