调谐人神器2.0发布，建立Python机器学习模型只需要几行代码-量子比特
Python开源机器学习建模库PyCaret刚刚发布了2.0版本。
这个被称为“调宁曼神器”的模型培训套件可以用几行代码来创建、改进和微调模型。
从数据预处理到模型效果比较，自动实现PyCaret。
所以，PyCaret是如何成长的，2.0版本又做了哪些改进？
我们一起看看吧。
机器学习库的“炼丹炉”
PyCaret说白了，有点像机器学习库里的炼丹炉。
下面是包含“熔化”的库的一部分。
嗯…sklearn很快就被封装了，调用起来很方便。
并且，PyCaret这个炼丹炉，有着包含数据预处理，模型训练，模型合并，模型分析，模型测试等，功能附着的「按钮」（定义几个函数）
只要写几行Python代码，就会按下这些功能“键”，自动实现PyCaret。
对于实现所需的基本库，你可以放弃思考，不必考虑。
从下图看，仅在预处理阶段，就包括采样分割、数据预处理、缺失值处理、归一化、独热编码等功能。
需要多少行代码才能实现所需的预处理功能。
答案是0行。
因为当使用setup（）初始化时，PyCaret执行自动执行包含缺失值插入、分类变量编码、标签编码、数据集分割等的机器学习所需的数据预处理步骤。
例如，在数据处理之前，可以知道数据集有空闲（下图中的NaN部分）
不要害怕，PyCaret自动分析数据，进行缺失值的插入。
预处理后，PyCaret还准备了各种各样的模型。
从模特培训、选择到测试，只有你没想到的事情，没有做不到的。
当处理数据并将其传递给PyCaret时，compare_models函数训练库中的所有模型，比较结果后，可以显示最佳模型。
如下图所示，每个模型指标的最佳值都会一键显示为黄色，这取决于选择方法。
选择了之后，想稍微优化一下模型吗？tune _model函数可以帮助你。
或者，你不想只选择一个模型吗。
PyCaret还提供了模型集成的函数，blend和stack请您选择。
此外，分析模型参数（包括可视化）也可以通过几行代码实现，具有非常强大的功能。
最后，PyCaret还可以提供新数据的迭代预测结果，并且以下效果也可以仅用几行代码来完成。
那么，这次的PyCaret强化，进行了怎样的改良呢。（项目参照传送门）
PyCaret2.0增强
这是PyCaret2.0的六大特色，既有1.0的，也有实验日志之类的功能，看起来像是更新后新添加的功能。
对实验日志、模型的调整至关重要。
例如，要在训练过程中可视化模型的精度变化，通常通过在模型中添加生成日志文件的函数来生成更直观的时间-精度变化图。
PyCaret增加2.0实验日志的功能，自动辅助模型实验中各指标的跟踪、视觉效果的生成等。
不仅如此，2.0现在可以为所有预测的工作流生成和设计模型。
也就是说，从培训到测试，您可以设置一个自定义“管线”，所有模块的功能都会自动实现。
此外，2.0提供用于构建机器学习模型前端软件的工具。
此外，2.0现在支持几乎所有算法的并行处理，xgboost和catboost模型也支持GPU训练。
另外还有一些新的程序功能等着你去发现。
传输门
项目地址：https：//github.com/PyCaret/PyCaret/releases/tag/2.0
参考链接：https：//towardsdatascience.com/announcing-PyCaret-2-0-39c11014540e