全自动化机器学习建模!效果吊打初级炼丹师! ⛵

💡 作者:韩信子@ShowMeAI
📘 机器学习实战系列https://www.showmeai.tech/tutorials/41
📘 本文地址https://www.showmeai.tech/article-detail/289
📢 声明:版权所有,转载请联系平台与作者并注明出处
📢 收藏ShowMeAI查看更多精彩内容

自动化机器学习,也称为自动化 ML 或 AutoML,是自动化完成开发耗时且需要反复迭代的机器学习建模过程。它让数据科学家、分析师和开发人员轻松构建具有高规模、高效率和生产力的机器学习模型,同时保持模型质量。

常规的机器学习模型开发应用,需要大量时间来构建和比较若干个不同模型。借助自动化机器学习,一些繁琐枯燥的迭代开发环境可以自动完成,提高了效率。

Python 拥有不断增长的开源 AutoML 库生态系统。ShowMeAI在本篇中梳理了截止2022年,最流行和实用的 AutoML 库,其中也有不少企业级应用工具。ShowMeAI本次介绍的AutoML工具库包括:

  • PyCaret
  • H2O AutoML
  • TPOT
  • Auto-sklearn
  • FLAML
  • EvalML
  • AutoKeras
  • Auto-ViML
  • AutoGluon
  • MLBox

💡 PyCaret

PyCaret 是 Python 中的一个开源、低代码机器学习库,可自动执行机器学习工作流。它也是一个端到端的机器学习和模型管理工具,可以成倍地加快实验周期,提升工作开发效率。

与其他开源机器学习库相比,PyCaret 有着明显的低代码特质,可仅用几行代码完成原本需要数百行代码完成的工作,尤其是对于密集的实验迭代过程可以大大提速。PyCaret 本质上是围绕多个机器学习库和框架封装而成,包括大家熟悉的scikit-learn、XGBoost、LightGBM、CatBoost、spaCy、Optuna、Hyperopt 和 Ray等。

Pycaret的相关资料链接如下:

![](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/e6b9bc122e5a4ec8ac3ba85385589d54~tplv-k3u1fbpfcp-zoom-1.image)

💡 H2O AutoML

H2O AutoML是另一个很有名的自动化机器学习库,可以帮助我们在有限的时间内自动训练和调优许多模型。

H2O 的核心代码是用 Java 编写的。这些算法在 H2O 的分布式 Map/Reduce 框架之上实现,并利用 Java Fork/Join 框架进行多线程处理。数据被并行读取并分布在集群中,并以压缩方式以列格式存储在内存中。

H2O AutoML 的设计理念是,希望尽量自动化,即用户只需要给定数据集和极少量的参数,即可开始建模和调优,并在指定的时间或者其他约束条件下,尽量找到最佳的模型。

import h2o
from h2o.automl import H2OAutoML

# 初始化
h2o.init()
aml = H2OAutoML(max_models =25,
                balance_classes=True,
                seed = 1)

# 自动建模训练
aml.train(training_frame = X, y = 'y')
lb = aml.leaderboard

# 获取最佳模型
best_model = aml.get_best_model()
print(best_model)

相关的文档可以在 📘 这里 查阅。

💡 TPOT

TPOT自动化机器学习 (AutoML) 工具库构建在scikit-learn 之上,它使用 Gentic Programming (GP) 来有效地发现给定数据集的最佳模型流水线。

TPOT 使用遗传编程来自动设计和优化一系列数据转换(特征处理)和机器学习模型,并努力最大限度提高给定监督学习数据集的效果。

流程示意图如下:

整个建模调优过程也非常简单,如下2行代码即可完成完整过程。

# 初始化
model = TPOTClassifier(generations=5, population_size=50, cv=cv, scoring='accuracy', verbosity=2, random_state=1, n_jobs=-1)

# 自动化拟合与调优
model.fit(X, y)

关于TPOT的资料可以在它的 📘 文档 和官方 📘 GitHub 查看。

💡 Auto-sklearn

从名字可以看出来,Auto-sklearn 是一个基于sklearn的自动化机器学习工具包。它利用了贝叶斯优化、元学习和集成模型等方法来自动化建模与调优。

使用方法和sklearn非常相似,熟悉sklearn的同学可以无障碍快速应用。示例代码如下:

import autosklearn.classification
# 构建自动化分类器
cls = autosklearn.classification.AutoSklearnClassifier()
# 拟合调优
cls.fit(X_train, y_train)
# 预估
predictions = cls.predict(X_test)

关于Auto-sklearn的资料可以在它的 📘 文档 和官方 📘 GitHub 查看。

💡 FLAML

FLAML 是微软推出的轻量级 Python 自动化机器学习库,可以自动、高效且经济地找到准确的机器学习模型。FLAML还有来自 Visual Studio 2022 中的 ML.NE 模型生成器的 .NET 实现。

FLAML 可以快速找到具有低计算资源的高质量模型。它支持经典机器学习模型和深度神经网络。

关于FLAML的资料可以在它的 📘 文档 和官方 📘 GitHub 查看。大家可以在ShowMeAI的教程文章 📂 AutoML自动化机器学习建模 中查看FLAML的详细用法,简单的使用示例代码如下:

from flaml import AutoML
# 构建自动化学习器
automl = AutoML()
# 拟合调优
automl.fit(X_train, y_train, task=”classification”)

💡 EvalML

EvalML这个AutoML工具库使用特定领域的目标函数来构建、优化和评估机器学习流水线。它结合了先进的数据处理与特征工程工具库 📘 Featuretools 和 📘 Compose,可以非常方便地构建端到端的监督机器学习解决方案。

EvalML 支持多种监督学习任务/问题,如回归、分类(二元和多类)、时间序列分析(包括时间序列回归和分类)等。

关于EvalML的资料可以在它的 📘 文档 和官方 📘 GitHub 查看。示例使用方法如下:

from evalml.automl import AutoMLSearch
# 初始化
automl = AutoMLSearch(X_train=X_train, y_train=y_train, problem_type="binary", objective="F1")
# 搜索调优
automl.search()

💡 AutoKeras

AutoKeras 是一个自动化建模库,主要聚焦在自动搜索 深度学习模型的架构和超参数, 并尽快获得性能最佳的深度学习模型。Auto-Keras的API接口和scikit-learn风格完全一致,容易上手。

它包括用于文本、图像和结构化数据的分类和回归的构建块。选择高级架构后,Autokeras 会自动调整模型。

关于AutoKeras的资料可以在它的 📘 文档 和官方 📘 GitHub 查看。示例使用方法如下:

import autokeras
# 初始化分类器
search = autokeras.StructuredDataClassifier(max_trials=15)
# 拟合与寻找最佳网络结构和超参数
search.fit(x=X_train, y=y_train, verbose=0)
# 预估
y_pred = search.predict(X_new) 

💡 Auto-ViML

Auto-ViML(自动变量可解释机器学习)是一个开源 Python 库,可以训练多个模型并自动识别最佳超参数。它内置大量的数据预处理和可解释性功能:

  • 自动化数据处理与清洗:给定数据集(通常是Dataframe格式),Auto_ViML 会尽量自动化处理缺失值、格式化变量、添加变量等。
  • 特征选择:Auto-ViML自动选择特征变量,当我们特征维度特别高的时候,非常有用。

关于Auto-ViML的资料可以在它的 📘 文档 和官方 📘 GitHub 查看。示例使用方法如下:

from autoviml.Auto_ViML import Auto_ViML

#包含所有参数的一个示例代码
model, features, trainm, testm = Auto_ViML(
    train,
    target,
    test,
    sample_submission,
    hyper_param="GS",
    feature_reduction=True,
    scoring_parameter="weighted-f1",
    KMeans_Featurizer=False,
    Boosting_Flag=False,
    Binning_Flag=False,
    Add_Poly=False,
    Stacking_Flag=False,
    Imbalanced_Flag=False,
    verbose=0,
)

💡 AutoGluon

AutoGluon 是一个由 AWS 开源的为深度学习开发优化而生的 autoML 框架。除了结构化表格数据,它还支持图像分类、目标检测和自然语言处理任务。

AutoGluon 的核心功能包括:

  • 自动化寻找性能最佳的深度学习架构和超参数。
  • 模型选择和自动超参数调优。
  • 自动化数据预处理。

关于 AutoGluon 的资料可以在它的 📘 文档 和官方📘 GitHub 查看。示例使用方法如下:

from autogluon.tabular import TabularDataset, TabularPredictor
# 构建训练集与测试集表格数据
train_data = TabularDataset('https://autogluon.s3.amazonaws.com/datasets/Inc/train.csv')
test_data = TabularDataset('https://autogluon.s3.amazonaws.com/datasets/Inc/test.csv')
# 自动拟合与优化
predictor = TabularPredictor(label='class').fit(train_data=train_data)
# 预估
predictions = predictor.predict(test_data)

💡 MLBox

MLBox 是一个开源的 AutoML Python 库。覆盖如下的强大功能:

  • 特征选择、缺失值填充和异常值检测。
  • 更快效果更好的数据预处理。
  • 自动超参数优化。
  • 用于分类和回归的自动模型选择。
  • 模型预测与模型可解释性。

关于MLBox的资料可以在它的 📘 文档 和官方 📘 GitHub 查看。示例使用方法如下:

import mlbox as mlb
# 数据自动化预处理
data = mlb.preprocessing.Drift_thresholder().fit_transform(data)
# 优化与拟合预估
best = mlb.optimisation.Optimiser().evaluate(None, data)
mlb.prediction.Predictor().fit_predict(best, data)

参考资料

posted @ 2022-08-09 17:53  ShowMeAI  阅读(727)  评论(0编辑  收藏  举报