pycaret在钻石数据集上的使用 - 回归问题

from pycaret.datasets import get_data
dataset = get_data('diamond')

#check the shape of data
dataset.shape

 

data = dataset.sample(frac=0.9, random_state=786)
data_unseen = dataset.drop(data.index)

data.reset_index(drop=True, inplace=True)
data_unseen.reset_index(drop=True, inplace=True)

print('Data for Modeling: ' + str(data.shape))
print('Unseen Data For Predictions: ' + str(data_unseen.shape))

 

from pycaret.regression import *
exp_reg101 = setup(data = data, target = 'Price', session_id=123) 

 

 

session_id ：一个伪随机数，作为种子分布在所有函数中，以供以后重现。如果没有传递 session_id，则会自动生成一个随机数，分发给所有函数。在本实验中，将 session_id 设置为 123 以便以后重现。

 成功执行设置后，它会打印包含几条重要信息的信息网格。大多数信息与执行 setup() 时构建的预处理管道有关。这些功能中的大部分都超出了本教程的范围。但是，在此阶段需要注意的一些重要事项包括：

原始数据：显示数据集的原始形状。在这个实验中 (5400, 8) 表示 5400 个样本和 8 个特征，包括目标列。

缺失值：当原始数据中存在缺失值时，这将显示为 True。对于这个实验，数据集中没有缺失值。

数字特征：推断为数字的特征数量。在这个数据集中，8 个特征中有 1 个被推断为数字。

分类特征：推断为分类的特征数量。在这个数据集中，8 个特征中有 6 个被推断为分类特征。

变换训练集：显示变换训练集的形状。请注意，对于变换后的训练集， (5400, 8) 的原始形状已转换为 (3779, 28)。由于分类编码，特征数量从 28 个增加到 8 个

转换的测试集：显示转换的测试/保留集的形状。测试/保留集中有 1621 个样本。此拆分基于默认值 70/30，可以使用 setup 中的 train_size 参数进行更改。

注意一些必须执行建模的任务是如何自动处理的，例如缺失值插补（在这种情况下，训练数据中没有缺失值，但我们仍然需要对看不见的数据进行插补）、分类编码等。 setup() 中的参数是可选的，用于自定义预处理管道。这些参数超出了本教程的范围，但随着您进入中级和专家级别，我们将更详细地介绍它们。

7.0 比较所有模型
比较所有模型以评估性能是建议在设置完成后建模的起点（除非您确切知道需要哪种模型，但通常情况并非如此）。此函数训练模型库中的所有模型，并使用 k 折交叉验证对它们进行评分以进行度量评估。输出打印一个分数网格，显示平均 MAE、MSE、RMSE、R2、RMSLE 和 MAPE（默认为 10）以及训练时间。

best = compare_models(exclude = ['ransac'])

 

两个简单的代码词（甚至不是一行）已经使用交叉验证训练和评估了 20 多个模型。上面打印的分数网格突出显示了性能最高的指标，仅用于比较目的。默认情况下，网格使用 R2（从最高到最低）排序，可以通过传递排序参数来更改。例如 compare_models(sort = 'RMSLE') 将按 RMSLE 对网格进行排序（从低到高，因为越低越好）。如果要将 fold 参数从默认值 10 更改为不同的值，则可以使用 fold 参数。例如 compare_models(fold = 5) 将在 5 折交叉验证上比较所有模型。减少折叠次数将改善训练时间。默认情况下， compare_models 根据默认排序顺序返回性能最佳的模型，但可用于通过使用 n_select 参数返回前 N 个模型的列表。 /br

请注意，排除参数如何用于阻止某些模型（在本例中为 RANSAC）。

8.0 创建模型
create_model 是 PyCaret 中最细粒度的函数，通常是大多数 PyCaret 功能的基础。顾名思义，此函数使用可以使用折叠参数设置的交叉验证来训练和评估模型。输出打印一个分数网格，按折叠显示 MAE、MSE、RMSE、R2、RMSLE 和 MAPE。

对于本教程的剩余部分，我们将使用以下模型作为我们的候选模型。这些选择仅用于说明目的，并不一定意味着它们是此类数据的最佳表现或理想选择。

AdaBoost 回归器（'ada'）
光梯度提升机（'lightgbm'）
决策树 ('dt')
PyCaret 的模型库中有 25 个回归量可用。要查看所有回归器的列表，请检查文档字符串或使用模型函数查看库。