机器学习建模工具 PyCaret

1 PyCaret 1.0.0简介
2 PyCaret入门
3 获取数据
4 搭建环境
- 4.1 预处理介绍
- 4.2 采样与拆分
  - 4.2.1 训练/测试数据拆分
  - 4.2.2 采样（Sampling）
- 4.3 数据准备
  - 4.3.1 缺失值处理
  - 4.3.2 更改数据类型
  - 4.3.3 独热编码（One Hot）
  - 4.3.4 序数编码
  - 4.3.5 基数编码
  - 4.3.6 处理未知级别
- 4.4 数据规范化与转换
  - 4.4.1 数据规范化（Normalization）
  - 4.4.2 数据转换
  - 4.4.3 目标转换
- 4.5 特征工程
  - 4.5.1 特征交互
  - 4.5.2 多项式特征
  - 4.5.3 三角特征
  - 4.5.4 分组特征
  - 4.5.5 分箱数字特征
  - 4.5.6 合并稀有级别
- 4.6 特征选择
  - 4.6.1 特征重要性
  - 4.6.2 消除多重共线性
  - 4.6.3 主成分分析
  - 4.6.4 忽略低方差
- 4.7 无监督
  - 4.7.1 创建聚类
  - 4.7.2 删除异常值
5 模型训练
- 5.1 比较模型
  - 5.1.1 分类示例
  - 5.1.2 回归示例
- 5.2 创建模型
  - 5.2.1 分类
  - 5.2.2 回归
  - 5.2.3 聚类
  - 5.2.4 异常检测
  - 5.2.5 关联规则挖掘
- 5.3 调优模型
  - 5.3.1 分类示例
  - 5.3.2 回归示例
  - 5.3.3 聚类示例
  - 5.3.4 异常检测实例
6 集成模型
- 6.1 Bagging
- 6.2 Boosting
- 6.3 Stack
- 6.4 Blend
  - 6.4.1 分类示例
  - 6.4.2 回归示例
7 解释模型
- 7.1 显示模型
  - 7.1.1 分类
  - 7.1.2 回归
  - 7.1.3 聚类
  - 7.1.4 异常检测
  - 7.1.5 关联规则挖掘
- 7.2 解释模型
  - 7.2.1 汇总图
  - 7.2.2 相关图
  - 7.2.3 观察层面的因果图
  - 7.2.4 分配模型
  - 7.2.5 校准模型
  - 7.2.6 优化阈值
8 预测模型
9 部署模型
- 9.1 定型模型
- 9.2 部署模型
- 9.3 使用部署模型的预测
- 9.4 保存模型

PyCaret 1.0.0简介

PyCaret是一个使用Python的开源机器学习库，用于在Windows上训练和部署有监督和无监督的机器学习模型低码环境。通过PyCaret，您可以在选择笔记本电脑环境后的几秒钟内，从准备数据到部署模型。

与其他开源机器学习库相比，PyCaret是一个备用的低代码库，可用于仅用很少的单词替换数百行代码。这使得实验快速而有效地成指数增长。PyCaret本质上是Python的包装器，它围绕着多个机器学习库和框架，例如scikit-learn，XGBoost，Microsoft LightGBM，spaCy等。

PyCaret入门

可以安装PyCaret的第一个稳定版本(PyCaret1.0.0)。使用命令行(command line)界面或笔记本(notebook)环境，运行下面的代码单元以安装PyCaret。

pip install pycaret

如果您使用的是 Jupyter Notebook，请运行以下代码单元以安装PyCaret

!pip install pycaret

当您安装PyCaret时，将自动安装所有依赖项。完整依赖项列表参照下方链接：https://github.com/pycaret/pycaret/blob/master/requirements.txt
没有比这更容易