我如何使用仅10行Python

是神奇的 - 直到您试图决定用于数据集的哪种型号为止。您应该随机森林或逻辑回归吗？如果幼稚的贝叶斯模型两者都优于两者，该怎么办？对于我们大多数人来说，回答这意味着数小时的手动测试，模型构建和混乱。

但是，如果您可以自动化整个模型选择过程？在本文中，我会引导您完成一个简单但功能强大的Python自动化，该自动化自动为您的数据集选择了最佳的机器学习模型。您不需要深入的ML知识或调整技巧。只需插入您的数据，然后让Python完成其余的工作。

python

为什么自动选择ML模型选择？

有多种原因，让我们看看其中一些。考虑一下：

大多数数据集都可以通过多种方式进行建模。手动尝试每个模型是耗时的。尽早使用错误的模型可能会使您的项目脱轨。

大多数数据集可以通过多种方式进行建模。

手动尝试每个模型是耗时的。

尽早选择错误的模型可能会使您的项目脱轨。

自动化让您：

立即比较数十个模型。在不编写重复代码的情况下获取性能指标。根据准确性，F1分数或RMSE识别表现最好的算法。

立即比较数十个模型。

获取绩效指标，而无需编写重复代码。

根据精度，F1分数或RMSE识别表现最佳算法。

它不仅方便，而且是智能的ML卫生。

库我们将使用

我们将探索2个被低估的Python ML自动化库。这些都是懒惰的和Pycaret。您可以使用下面给出的PIP命令安装这两个。

懒惰 pycaret。

pip安装lazypredictpip安装pycaret

导入所需库

现在我们已经安装了所需的库，让我们导入它们。我们还将导入一些其他库，这些库将帮助我们加载数据并为建模做准备。我们可以使用下面给出的代码导入它们。

加载数据集

链接

使用LazyPredict

使用pycaret

下面的代码将：

运行15多个模型

全部分为两行代码。