作者：Moez Ali

翻译：陈之炎

校对：阿笛

本文约2500字，建议阅读8分钟

本文概述了PyCaret的创新之处，并提供了使用示例。

标签：机器学习

可以使用pip下载Py Caret2.1,下载网址：

https://www.pycaret.org

我们激动地宣布2020年8月PyCaret2.1 更新版本正式发布！

Py Caret是一个开源的、低代码率的Python机器学习库，它可以使机器学习工作流程自动化，同时，它也是一个端到端的机器学习和模型管理工具，可以缩短机器学习实验周期，将生产力提高10倍。

与其他开源机器学习库相比，Py Caret是低代码量库的一个很好的选择，只利用几个单词，便可以用它来替换数百行代码，从而使得实验快速高效。

如果以前没有听到或使用过PyCaret，请参阅先前发布的指南，以便快速入门。

安装PyCaret

安装Py Caret非常容易，只需要几分钟的时间。建议使用虚拟环境来避免与其他库的潜在冲突。请参阅下面的示例代码，以创建Conda环境并在该Conda环境中安装pycaret：

#创建conda环境

conda create --name yourenvname python=3.6

#激活环境

conda activate yourenvname

#安装pycaret

pip install pycaret

#创建与conda环境链接的notebook内核

python -m ipykernel install --user --name yourenvname --display-name "display-name"

如果你已经安装好了PyCaret，还可以使用pip对它更新：

pip install --upgrade pycaret

PyCaret 2.1特征概述

照片来源：Paweł Czerwiński

GPU上的超参数调优

PyCare t2.0支持某些算法(如：XGBoost、LightGBM和Catboost)的GPU训练。PyCare2.1中添加了新的内容，可以实现在GPU上对这些模型的超参数调优。

#使用GPU 训练xgboost

xgboost = create_model('xgboost', tree_method = 'gpu_hist')

#xgboost 调优

tuned_xgboost = tune_model(xgboost)

由于tune_model函数自动从create_model函数创建的xgboost实例中继承了tree_method，因此在tune_model函数内部不需要其他参数。请参看下图：

包含88个特征的100,000行包含8个类的多类问题。

在GPU上进行XGBoost训练（使用googlecolab）

模型部署

自从PyCaret于2020年4月发布第一个版本以来，只需使用Notebook 中的deploy_model ，就可以在AWS上部署经过训练的模型。在最近的版本中，添加了支持在GCP和Microsoft Azure上部署的功能。

Microsoft Azure

若要在Microsoft Azure上部署模型，必须设置连接字符串的环境变量。可以从Azure中存储帐户的“访问密钥”获取连接字符串。

https:/portal.azure.com — 从账户中获取连接字符串

复制连接字符串后，可以将其设置为环境变量，参见以下示例：

Import os
os.environ['AZURE_STORAGE_CONNECTION_STRING'] = 'your-conn-string'from pycaret.classification import deploy_model
deploy_model(model = model, model_name = 'model-name', platform = 'azure', authentication = {'container' : 'container-name'})

成了，就是这样。只需一行代码，整个机器学习管道都已在Microsoft Azure容器中了，随后可以使用 load_model 函数访问它。

Import os
os.environ['AZURE_STORAGE_CONNECTION_STRING'] = 'your-conn-string'

from pycaret.classification import load_model

loaded_model = load_model(model_name = 'model-name',platform = 'azure', authentication = {'container' : 'container-name'}

‍

from pycaret.classification import predict_model

predictions = predict_model(loaded_model, data = new-dataframe)

谷歌云平台

要在Google云平台（GCP）上部署模型，必须首先使用命令行或GCP控制台创建一个项目。创建项目后，应创建服务帐户并将服务帐户密钥下载为JSON文件，然后使用该文件设置环境变量。

创建新的服务帐户并从GCP控制台下载JSON

要了解关于创建服务帐户的更多信息，请阅读官方文档。创建了服务帐户并从GCP控制台下载了JSON文件之后，就可以部署了。

import os

os.environ['GOOGLE_APPLICATION_CREDENTIALS'] =
'c:/path-to-json- file.json'from pycaret.classification import deploy_model
deploy_model(model = model, model_name = 'model-name',
platform = 'gcp', authentication = {'project' : 'project-name',
'bucket' : 'bucket-name'})

加载模型之后，可以使用 load_model 函数从GCP bucket中访问模型。

import os

os.environ['GOOGLE_APPLICATION_CREDENTIALS'] =
'c:/path-to-json- file.json'

from pycaret.classification import load_model

loaded_model = load_model(model_name = 'model-name',platform = 'gcp', authentication ='project-name', 'bucket' :'bucket-name'})

from pycaret.classification import predict_model

predictions = predict_model(loaded_model, data = new-dataframe)

MLFlow部署

除了使用PyCaret的本机部署功能之外，还可以使用所有的MLFlow部署功能。利用setup函数的log_experiment参数登录你的实验。

#初始化设置

exp1 = setup(data, target = 'target-name', log_experiment = True,experiment_name = 'exp-name')

#创建xgboost模型

xgboost = create_model('xgboost')..
..
..
#其余的脚本

#在local host：5000上启动mlflow服务器

!mlflow ui

在浏览器上打开：

https://localhost：5000

https://localhost:5000上的MLFlow UI

点击“Run Name” 左侧的“Start Time”查看细节，你能看到经过训练的模型的所有超参数和评分指标，向下滚动，所有的代码也会显示出来（如下所示）。

MLFLow代码

经过训练的模型和所有元数据文件存储在“/model”目录下。MLFlow遵循一种标准格式来打包机器学习模型，以便在各种接下来的工具中使用，例如，通过REST API 或Apache Spark上的批处理推理进行实时服务。如果需要在本地为这个模型提供服务，可以利用MLFlow命令行来实现。

mlflow models serve -m local-path-to-model

然后，可以利用CURL将请求发送给模型以获得预测。

curl http://127.0.0.1:5000/invocations -H 'Content-Type: application/json' -d '{
"columns": ["age", "sex", "bmi", "children",
"smoker", "region"],
"data": [[19, "female", 27.9, 0, "yes", "southwest"]]
}'

（注：MLFlow的这一功能尚不支持Windows操作系统）。

MLFlow还提供与AWS Sagemaker和Azure机器学习服务的集成，你可以在与SageMaker兼容的环境下，在Docker容器中本地训练模型，也可以在SageMaker上远程训练模型。为了远程部署到SageMaker，你需要设置环境和AWS用户帐户。

使用MLflow CLI的示例工作流

mlflow sagemaker build-and-push-container
mlflow sagemaker run-local -m <path-to-model>
mlflow sagemaker deploy <parameters>

要了解有关MLFlow所有部署功能的更多信息，请单击此连接：

https://www.mlflow.org/docs/latest/models.html#

MLFlow模型注册表

MLflow模型注册表组件是一个集模型存储、API集和UI为一体的组件，用于实现MLflow模型整个生命周期内的协同管理。它提供模型沿袭（MLflow实验并运行生成的模型）、模型版本控制、阶段转换（例如从例程到量产）和注释等服务。

如果需要要运行你自己的MLflow服务器，则必须 使用数据库支持的后端存储才能访问模型注册表。但是，如果正在使用 数据包 或任何托管数据包服务，如 Azure Databricks，则无需担心设置的内容。

https://databricks.com/blog/2020/06/25/announcing-mlflow-model-serving-on-databricks.htm

高分辨率绘图

这一功能并不是开创性的，但对于使用PyCaret进行研究和发表文章的人来说，这确实是一个非常有用的补充。plot_ model带有一个名为“scale”的附加参数，通过它可以控制分辨率并为出版物生成高质量的绘图。

#创建线性回归模型

lr = create_model('lr')

#高分辨率绘图

plot_model(lr, scale = 5) # 默认值为 1

PyCaret的高分辨率绘图

用户定义的损失函数

这是自第一个版本发布以来请求最多的特性之一，它允许使用自定义/用户定义函数调整模型的超参数，从而给数据科学家带来了极大的灵活性。现在可以使用 tune_model函数的custom_scorer 参数来自定义损失函数。

#定义损失函数

def my_function(y_true, y_pred):
...
...

#使用sklearn创建记分器

from sklearn.metrics import make_scorer
my_own_scorer = make_scorer(my_function, needs_proba=True)

#训练catboost模型

catboost = create_model('catboost')

#使用自定义记分器调整catboost

tuned_catboost=tune_model（catboost，custom_scorer=my_own_scorer）

特征选择

特征选择是机器学习的基本步骤，在一大堆特征中，你只想选择相关的特征而放弃其他特征，这样可以去除会引入不必要噪声的无用特征，从而使问题得以简化。

在PyCaret2.1中，利用Python实现了Boruta算法（最初是用R实现的）。Boruta是一个非常聪明的算法，可以追溯到2010年，旨在自动对数据集执行特征选择。在setup 函数中运行feature_selection_method方法

exp1 = setup(data, target = 'target-var', feature_selection = True,
feature_selection_method = 'boruta')

其他改变

• compare_models函数中的blacklist 和whitelist 参数已变更为exclude 和 include，但是功能并没有改变。

• 在  compare_models函数中设置训练时间的上限，添加了新参数budget_time。

• PyCaret 可以与Pandas 的数据类型兼容,它们在内部被转换为object，像处理  object 或  bool 一样。

• 在数值处理部分，在setup 函数 的numeric_imputation参数中添加了zero 方法。当method设置为 zero 时，将其替换为常数0。

• 为了方便阅读，predict_model 函数返回Label 列的原始值而不是编码值。

要了解pycaret2.1中所有更新的更多信息，请参阅发行说明。

使用Python中的轻量级工作流自动化库可以实现的功能是没有限制的。如果你发现这个有用,请不要忘记在GitHub中给我们。

（https://github.com/pycaret/pycaret/）

欲了解更多关于PyCaret的信息，请在LinkedIn和Youtube上关注我们。

原文链接：

https://towardsdatascience.com/pycaret-2-1-is-here-whats-new-4aae6a7f636a

编辑：于腾凯

校对：林亦霖

译者简介

陈之炎，北京交通大学通信与控制工程专业毕业，获得工学硕士学位，历任长城计算机软件与系统公司工程师，大唐微电子公司工程师，现任北京吾译超群科技有限公司技术支持。目前从事智能化翻译教学系统的运营和维护，在人工智能深度学习和自然语言处理（NLP）方面积累有一定的经验。业余时间喜爱翻译创作，翻译作品主要有：IEC-ISO 7816、伊拉克石油工程项目、新财税主义宣言等等，其中中译英作品“新财税主义宣言”在GLOBAL TIMES正式发表。能够利用业余时间加入到THU 数据派平台的翻译志愿者小组，希望能和大家一起交流分享，共同进步。

翻译组招募信息

工作内容：需要一颗细致的心，将选取好的外文文章翻译成流畅的中文。如果你是数据科学/统计学/计算机类的留学生，或在海外从事相关工作，或对自己外语水平有信心的朋友欢迎加入翻译小组。

你能得到：定期的翻译培训提高志愿者的翻译水平，提高对于数据科学前沿的认知，海外的朋友可以和国内技术应用发展保持联系，THU数据派产学研的背景为志愿者带来好的发展机遇。

其他福利：来自于名企的数据科学工作者，北大清华以及海外等名校学生他们都将成为你在翻译小组的伙伴。

点击文末“阅读原文”加入数据派团队~

转载须知

如需转载，请在开篇显著位置注明作者和出处（转自：数据派ID：DatapiTHU），并在文章结尾放置数据派醒目二维码。有原创标识文章，请发送【文章名称-待授权公众号名称及ID】至联系邮箱，申请白名单授权并按要求编辑。

发布后请将链接反馈至联系邮箱（见下方）。未经许可的转载以及改编者，我们将依法追究其法律责任。

点击“阅读原文”拥抱组织