💡 函数
选择标签 :point_down:
初始化
setup
此函数在 PyCaret 中初始化实验，并根据 传递的所有参数准备转换流水线。在执行任何其他函数之前，必须调用 setup 函数。它只需要两个参数：data 和 target。所有其他参数都是可选的。了解更多。
训练
compare_models
此函数使用交叉验证训练和评估模型库中所有可用模型的性能。此函数的输出是带有平均交叉验证分数的评分表。了解更多。
create_model
此函数使用交叉验证训练和评估给定模型的性能。此函数的输出是带有交叉验证分数以及均值和标准差的评分表。了解更多。
优化
tune_model
此函数调整给定模型的超参数。此函数的输出是最佳模型的交叉验证分数表。搜索空间预先定义，可以灵活提供自定义。搜索算法可以是随机的、贝叶斯的，以及其他一些 可以在大型集群上扩展的算法。了解更多。
ensemble_model
此函数对给定模型进行集成。此函数的输出是集成模型的交叉验证分数表。可以使用两种方法进行集成：Bagging 或 Boosting。了解更多.
blend_models
此函数为列表中的给定模型训练 Soft Voting / Majority Rule 分类器。此函数的输出是投票分类器或回归器的交叉验证分数表。了解更多。
stack_models
此函数在列表中的给定模型上训练元模型。此函数的输出是堆叠分类器或回归器的交叉验证分数表。了解更多。
optimize_threshold
此函数优化给定模型的概率阈值。它在不同概率阈值下迭代性能指标，并返回一个绘图，其中性能指标在 y 轴上，阈值在 x 轴上。了解更多。
calibrate_model
此函数使用等温或逻辑回归校准给定模型的概率。此函数的输出是校准分类器的交叉验证分数表。了解更多。
分析
plot_model
此函数分析在留出集上训练模型的性能。在某些情况下，可能需要重新训练模型。了解更多。
evaluate_model
此函数使用 ipywidgets 显示用于分析训练模型性能的基本用户界面。了解更多。
interpret_model
此函数分析从训练模型生成的预测。此函数中的大多数图表是基于 SHAP（Shapley Additive exPlanations）实现的。了解更多。
dashboard
此函数为训练模型生成交互式仪表板。该仪表板使用 ExplainerDashboard 项目实现。了解更多。
deep_check
此函数使用 deepchecks 库对训练模型运行完整套件检查。此函数处于实验模式。了解更多.
eda
此函数使用 AutoViz 项目生成自动化的探索性数据分析（EDA）。完全交互式且可导出。了解更多。
check_fairness
此函数为给定模型的数据集中不同组之间提供与公平性相关的指标。评估公平性有许多方法，但此函数使用称为组公平性的方法，即询问：哪些个体组有遭受伤害的风险。了解更多。
get_leaderboard
这个函数返回当前设置中所有训练模型的排行榜。了解更多
assign_model
该函数使用训练好的模型为训练数据集分配标签。仅适用于无监督模型。了解更多
predict_model
该函数使用训练好的模型生成标签。当未传入未见过的数据时，它会 在留置集上预测标签和得分。了解更多
finalize_model
该函数在整个数据集上重新拟合给定的模型。了解更多
save_model
该函数将机器学习流程保存为 pickle 文件以供以后使用。了解更多
load_model
该函数加载先前保存的流程。了解更多
save_config
该函数将所有全局变量保存为 pickle 文件，以便以后恢复而无需重新运行设置函数。了解更多
load_config
该函数从 pickle 文件中加载全局变量到 Python。了解更多
deploy_model
该函数在云上部署整个机器学习流程。了解更多
convert_model
该函数将训练好的机器学习模型的决策函数转换为不同的编程语言，如 Python、C、Java、Go、C# 等。了解更多
create_api
该函数接受一个输入模型，并为推理创建一个 POST API。它只创建 API，不会自动运行。要运行 API，您必须使用 !python 运行 Python 文件。了解更多
create_docker
该函数为部署 API 创建一个 Dockerfile 和 requirements.txt 文件。了解更多
create_app
该函数为推理创建一个基本的 gradio 应用程序。了解更多
pull
在任何训练函数之后使用 pull 函数返回最后一个打印的评分网格。以 pandas.DataFrame 的形式返回指标。了解更多
models
返回包含导入的模型库中所有可用模型的表格。了解更多
get_config
set_config
该函数重置全局变量。了解更多
get_metrics
返回所有可用于交叉验证的指标表格。了解更多
add_metric
将自定义指标添加到指标容器中以进行交叉验证。了解更多
remove_metric
从指标容器中删除自定义指标。 了解更多
automl
该函数返回当前设置中所有模型中的最佳模型。了解更多
get_logs
返回实验日志表格。仅在初始化设置函数时 log_experiment = True 时有效。了解更多
get_system_logs
从当前活动目录中读取和打印 logs.log 文件。了解更多