LazyPredict：适合懒人跑的机器学习模型
机器学习有很多模型算法，比如线性回归、逻辑回归、KNN分类、支持向量机、随机森林等，一般需要我们一个个地调用多个模型的拟合和预测。那么，有没有一个可自动执行机器学习建模过程、以及输出诸如准确率、精准率、召回率、F1、ROC、AUC等指标的工具？当然有，LazyPredict就是一个专为懒人打造的建模预测的Python工具包。对于半吊子的生物信息、智能育种领域的新手，比较适合。
LazyPredict 旨在简化机器学习模型的比较和选择过程，适用于快速比较多个模型（包括约40个回归和约30个分类任务）的性能，它的语法与scikit-learn几乎相同，可以轻松地从现有代码中即插即用，轻松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。
步骤
步骤1
使用以下方法安装 lazypredict 库：
pip install lazypredict
第2步
导入 pandas 来加载我们的数据集。
import pandas as pd
第3步
加载数据集。
df = pd.read_csv('Mal_Customers.csv')
第4步
打印数据集的前几行
这里 Y 变量是支出分数列，而其余列是 X 变量。
现在，在确定了 X 和 Y 变量之后，我们将它们分成训练和测试数据集。
# 导入 train_test_split，用于分割数据集
from sklearn.model_selection import train_test_split
# 定义 X 和 y 变量
X = df.loc[:, df.columns != 'Spending Score (1-100)']
y = df['Spending Score (1-100)'] # 对数据进行分区。
# 分割数据
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
第5步
我们导入之前安装的lazypredict库，lazypredict里面有两个类，一个用于分类，一个用于回归。
# 导入 lazypredict
导入 lazypredict
# 从 lazypredict 导入回归类
from lazypredict.Supervised import LazyRegressor
# 从 lazypredict.Supervised 中导入分类类
from lazypredict.Supervised import LazyClassifier
导入后，我们将使用 LazyRegressor，因为我们正在处理回归问题，如果你正在处理分类问题，则这两种类型的问题都需要相同的步骤。
# 使用 LazyRegressor 定义模型
multiple_ML_model = lazyRegressor(verbose=0, ignore_warnings=True, predictions=True)
# 对模型进行拟合，同时预测每个模型的输出结果
models, predictions = multiple_ML_model.fit(X_train, X_test, y_train, y_test)
这里，prediction = True 表示你想要获得每个模型的准确性并想要每个模型的预测值。
模型的变量包含每个模型精度以及一些其他重要信息。
它在我的回归问题上实现了42 个 ML 模型，因为本指南更侧重于如何测试许多模型，而不是提高其准确性。所以我对每个模型的准确性不感兴趣。
查看每个模型的预测。
你可以利用这些预测来创建一个混淆矩阵。
如果正在处理分类问题，这就是使用 lazypredict 库的方法。
# 使用 LazyRegressor 定义模型
multiple_ML_model = lazyClassifier(verbose=0,
ignore_warnings=True,
predictions=True)
# 对模型进行拟合，并预测每个模型的输出结果
models, predictions = multiple_ML_model.fit(
X_train, X_test, y_train, y_test)
案例
分类
from lazypredict.Supervised import LazyClassifierfrom sklearn.datasets import load_breast_cancerfrom sklearn.model_selection import train_test_splitdata = load_breast_cancer()X = data.datay= data.targetX_train, X_test, y_train, y_test = train_test_split(X, y,test_size=.5,random_state =123)clf = LazyClassifier(verbose=0,ignore_warnings=True, custom_metric=None)models,predictions = clf.fit(X_train, X_test, y_train, y_test)print(models)| Model | Accuracy | Balanced Accuracy | ROC AUC | F1 Score | Time Taken ||:-------------------------------|-----------:|--------------------:|----------:|-----------:|-------------:|| LinearSVC | 0.989474 | 0.987544 | 0.987544 | 0.989462 | 0.0150008 || SGDClassifier | 0.989474 | 0.987544 | 0.987544 | 0.989462 | 0.0109992 || MLPClassifier | 0.985965 | 0.986904 | 0.986904 | 0.985994 | 0.426 || Perceptron | 0.985965 | 0.984797 | 0.984797 | 0.985965 | 0.0120046 || LogisticRegression | 0.985965 | 0.98269 | 0.98269 | 0.985934 | 0.0200036 || LogisticRegressionCV | 0.985965 | 0.98269 | 0.98269 | 0.985934 | 0.262997 || SVC | 0.982456 | 0.979942 | 0.979942 | 0.982437 | 0.0140011 || CalibratedClassifierCV | 0.982456 | 0.975728 | 0.975728 | 0.982357 | 0.0350015 || PassiveAggressiveClassifier | 0.975439 | 0.974448 | 0.974448 | 0.975464 | 0.0130005 || LabelPropagation | 0.975439 | 0.974448 | 0.974448 | 0.975464 | 0.0429988 || LabelSpreading | 0.975439 | 0.974448 | 0.974448 | 0.975464 | 0.0310006 || RandomForestClassifier | 0.97193 | 0.969594 | 0.969594 | 0.97193 | 0.033 || GradientBoostingClassifier | 0.97193 | 0.967486 | 0.967486 | 0.971869 | 0.166998 || QuadraticDiscriminantAnalysis | 0.964912 | 0.966206 | 0.966206 | 0.965052 | 0.0119994 || HistGradientBoostingClassifier | 0.968421 | 0.964739 | 0.964739 | 0.968387 | 0.682003 || RidgeClassifierCV | 0.97193 | 0.963272 | 0.963272 | 0.971736 | 0.0130029 || RidgeClassifier | 0.968421 | 0.960525 | 0.960525 | 0.968242 | 0.0119977 || AdaBoostClassifier | 0.961404 | 0.959245 | 0.959245 | 0.961444 | 0.204998 || ExtraTreesClassifier | 0.961404 | 0.957138 | 0.957138 | 0.961362 | 0.0270066 || KNeighborsClassifier | 0.961404 | 0.95503 | 0.95503 | 0.961276 | 0.0560005 || BaggingClassifier | 0.947368 | 0.954577 | 0.954577 | 0.947882 | 0.0559971 || BernoulliNB | 0.950877 | 0.951003 | 0.951003 | 0.951072 | 0.0169988 || LinearDiscriminantAnalysis | 0.961404 | 0.950816 | 0.950816 | 0.961089 | 0.0199995 || GaussianNB | 0.954386 | 0.949536 | 0.949536 | 0.954337 | 0.0139935 || NuSVC | 0.954386 | 0.943215 | 0.943215 | 0.954014 | 0.019989 || DecisionTreeClassifier | 0.936842 | 0.933693 | 0.933693 | 0.936971 | 0.0170023 || NearestCentroid | 0.947368 | 0.933506 | 0.933506 | 0.946801 | 0.0160074 || ExtraTreeClassifier | 0.922807 | 0.912168 | 0.912168 | 0.922462 | 0.0109999 || CheckingClassifier | 0.361404 | 0.5 | 0.5 | 0.191879 | 0.0170043 || DummyClassifier | 0.512281 | 0.489598 | 0.489598 | 0.518924 | 0.0119965 |
回归
from lazypredict.Supervised import LazyRegressorfrom sklearn import datasetsfrom sklearn.utils import shuffleimport numpy as npboston = datasets.load_boston()X, y = shuffle(boston.data, boston.target, random_state=13)X = X.astype(np.float32)offset = int(X.shape[0] * 0.9)X_train, y_train = X[:offset], y[:offset]X_test, y_test = X[offset:], y[offset:]reg = LazyRegressor(verbose=0, ignore_warnings=False, custom_metric=None)models, predictions = reg.fit(X_train, X_test, y_train, y_test)print(models)| Model | Adjusted R-Squared | R-Squared | RMSE | Time Taken ||:------------------------------|-------------------:|----------:|------:|-----------:|| SVR | 0.83 | 0.88 | 2.62 | 0.01 || BaggingRegressor | 0.83 | 0.88 | 2.63 | 0.03 || NuSVR | 0.82 | 0.86 | 2.76 | 0.03 || RandomForestRegressor | 0.81 | 0.86 | 2.78 | 0.21 || XGBRegressor | 0.81 | 0.86 | 2.79 | 0.06 || GradientBoostingRegressor | 0.81 | 0.86 | 2.84 | 0.11 || ExtraTreesRegressor | 0.79 | 0.84 | 2.98 | 0.12 || AdaBoostRegressor | 0.78 | 0.83 | 3.04 | 0.07 || HistGradientBoostingRegressor | 0.77 | 0.83 | 3.06 | 0.17 || PoissonRegressor | 0.77 | 0.83 | 3.11 | 0.01 || LGBMRegressor | 0.77 | 0.83 | 3.11 | 0.07 || KNeighborsRegressor | 0.77 | 0.83 | 3.12 | 0.01 || DecisionTreeRegressor | 0.65 | 0.74 | 3.79 | 0.01 || MLPRegressor | 0.65 | 0.74 | 3.80 | 1.63 || HuberRegressor | 0.64 | 0.74 | 3.84 | 0.01 || GammaRegressor | 0.64 | 0.73 | 3.88 | 0.01 || LinearSVR | 0.62 | 0.72 | 3.96 | 0.01 || RidgeCV | 0.62 | 0.72 | 3.97 | 0.01 || BayesianRidge | 0.62 | 0.72 | 3.97 | 0.01 || Ridge | 0.62 | 0.72 | 3.97 | 0.01 || TransformedTargetRegressor | 0.62 | 0.72 | 3.97 | 0.01 || LinearRegression | 0.62 | 0.72 | 3.97 | 0.01 || ElasticNetCV | 0.62 | 0.72 | 3.98 | 0.04 || LassoCV | 0.62 | 0.72 | 3.98 | 0.06 || LassoLarsIC | 0.62 | 0.72 | 3.98 | 0.01 || LassoLarsCV | 0.62 | 0.72 | 3.98 | 0.02 || Lars | 0.61 | 0.72 | 3.99 | 0.01 || LarsCV | 0.61 | 0.71 | 4.02 | 0.04 || SGDRegressor | 0.60 | 0.70 | 4.07 | 0.01 || TweedieRegressor | 0.59 | 0.70 | 4.12 | 0.01 || GeneralizedLinearRegressor | 0.59 | 0.70 | 4.12 | 0.01 || ElasticNet | 0.58 | 0.69 | 4.16 | 0.01 || Lasso | 0.54 | 0.66 | 4.35 | 0.02 || RANSACRegressor | 0.53 | 0.65 | 4.41 | 0.04 || OrthogonalMatchingPursuitCV | 0.45 | 0.59 | 4.78 | 0.02 || PassiveAggressiveRegressor | 0.37 | 0.54 | 5.09 | 0.01 || GaussianProcessRegressor | 0.23 | 0.43 | 5.65 | 0.03 || OrthogonalMatchingPursuit | 0.16 | 0.38 | 5.89 | 0.01 || ExtraTreeRegressor | 0.08 | 0.32 | 6.17 | 0.01 || DummyRegressor | -0.38 | -0.02 | 7.56 | 0.01 || LassoLars | -0.38 | -0.02 | 7.56 | 0.01 || KernelRidge | -11.50 | -8.25 | 22.74 | 0.01 |
总结建议
LazyPredict库可以在几行Python代码中训练大约70个分类和回归模型。这是一个非常方便的工具，因为它提供了模型执行的总体情况，并且可以比较每个模型的性能。
每个模型都使用其默认参数进行训练，因为它不执行超参数调整。选择性能最佳的模型后，开发人员可以调整模型以进一步提高性能。
需要注意的是：这个库仅用于测试目的，为提供有关哪种模型在您的数据集上表现良好的信息。建议使用conda单独建立一个虚拟环境，为它提供了一个单独的环境，避免与其他环境有版本冲突。
参考：
_https://mp.weixin.qq.com/s/5wQerXhb9PcgsiE31okapg；_https://mp.weixin.qq.com/s/o92ZJMMJHqKAFf0Sup6_8A
本文来自博客园，作者：生物信息与育种，转载请注明原文链接：https://www.cnblogs.com/miyuanbiotech/p/18328505。若要及时了解动态信息，请关注同名微信公众号：生物信息与育种。
