一行Python代码训练所有分类或回归模型

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：

1. 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。

1. 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。

1. import pandas as pd 
2. from sklearn.model_selection import train_test_split 
3.  
4. # Read the titanic dataset 
5. df_cls = pd.read_csv("titanic.csv") 
6. df_clsdf_cls = df_cls.drop(['PassengerId','Name','Ticket', 'Cabin'], axis=1) 
7.  
8. # Drop instances with null records 
9. df_clsdf_cls = df_cls.dropna() 
10.  
11. # feature processing 
12. df_cls['Sex'] = df_cls['Sex'].replace({'male':1, 'female':0}) 
13. df_cls['Embarked'] = df_cls['Embarked'].replace({'S':0, 'C':1, 'Q':2}) 
14.  
15. # Creating train test split 
16. y = df_cls['Survived'] 
17. X = df_cls.drop(columns=['Survived'], axis=1) 
18.  
19. # Call train test split on the data and capture the results 
20. 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。

1. # LazyClassifier Instance and fiting data 
2. cls= LazyClassifier(ignore_warnings=False, custom_metric=None) 
3. 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。

1. import pandas as pd 
2. from sklearn.model_selection import train_test_split 
3.  
4. # read the data 
5. column_names = ['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV'] 
6. df_reg = pd.read_csv("housing.csv", header=None, delimiter=r"\s+", names=column_names) 
7.  
8. # Creating train test split 
9. y = df_reg['MEDV'] 
10. X = df_reg.drop(columns=['MEDV'], axis=1) 
11.  
12. # Call train_test_split on the data and capture the results 
13. X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42, test_size=0.2) 

1. reg = LazyRegressor(ignore_warnings=False, custom_metric=None) 
2. 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。

结论：

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。

谢谢你的阅读！

本文翻译自Christopher Tao的文章《Train all Classification or Regression models in one line of Python Code》。

原文链接：https://www.toutiao.com/i6960373529485378079/