تقديم PyCaret: مكتبة تعلم آلة Python منخفضة التكلفة مفتوحة

الشروع في استخدام PyCaret

pip install pycaret

!pip install pycaret

لا يمكن أن يكون أسهل

تجول

from pycaret.datasets import get_data
diabetes = get_data('diabetes')

from pycaret.classification import *
exp1 = setup(diabetes, target = 'Class variable')

• من أجل التصنيف: الدقة ، الجامعة الأمريكية ، استدعاء ، الدقة ، F1 ، كابا
• للتراجع: MAE ، MSE ، RMSE ، R2 ، RMSLE ، MAPE

adaboost = create_model('ada')

tuned_adaboost = tune_model('ada')

# creating a decision tree model
dt = create_model('dt')
# ensembling a trained dt model
dt_bagged = ensemble_model(dt)

# create a model
adaboost = create_model('ada')
# AUC plot
plot_model(adaboost, plot = 'auc')
# Decision Boundary
plot_model(adaboost, plot = 'boundary')
# Precision Recall Curve
plot_model(adaboost, plot = 'pr')
# Validation Curve
plot_model(adaboost, plot = 'vc')

deploy_model(model = rf, model_name = 'rf_aws', platform = 'aws', 
             authentication =  {'bucket'  : 'pycaret-test'})

# creating model
adaboost = create_model('ada')
# saving model
save_model(adaboost, model_name = 'ada_for_deployment')

• تراجع
• تجمع
• بحث الشذوذ
• معالجة النصوص الطبيعية (NLP)
• التدريب على القواعد النقابية

ما هو خط التطوير؟

هل تريد معرفة المزيد عن وحدة معينة؟

روابط مهمة

• دليل المستخدم / التوثيق
• مستودع جيثب
• قم بتثبيت PyCaret
• دليل الكمبيوتر المحمول
• دعم PyCaret