PyCaret 2.1 功能摘要
PyCaret 2.1 来了 — 有什么新功能？
我们很高兴地宣布 PyCaret 2.1 — 这是 2020 年 8 月的更新。
PyCaret 是一个开源的、低代码 Python 机器学习库，可以自动化机器学习工作流程。它是一个端到端的机器学习和模型管理工具，可以加快机器学习实验周期，让您的工作效率提高 10 倍。
与其他开源机器学习库相比，PyCaret 是一个替代性的低代码库，可以用少量代码取代数百行代码。这使得实验速度指数级提升，效率更高。
如果您之前没有听说过或使用过 PyCaret，请查看我们的先前公告，快速开始。
安装 PyCaret
安装 PyCaret 非常简单，只需几分钟时间。我们强烈建议使用虚拟环境，以避免与其他库可能发生的冲突。请参考以下示例代码，在一个 ***conda 环境 ***中创建并安装 pycaret：
# 创建一个 conda 环境
conda create --name yourenvname python=3.6
# 激活环境
conda activate yourenvname
# 安装 pycaret
pip install pycaret==2.1
# 创建与 conda 环境关联的 notebook 内核
python -m ipykernel install --user --name yourenvname --display-name "display-name"
PyCaret 2.1 功能摘要
👉 GPU 上的超参数调整
在 PyCaret 2.0 中，我们宣布了针对某些算法（XGBoost、LightGBM 和 Catboost）的 GPU 加速训练。在 2.1 中的新功能是，现在您还可以在 GPU 上调整这些模型的超参数。
# 使用 GPU 训练 xgboost
xgboost = create_model('xgboost', tree_method = 'gpu_hist')
# 调整 xgboost
tuned_xgboost = tune_model(xgboost)
在 **tune_model **函数内不需要额外的参数，因为它会自动继承自使用 **create_model **函数创建的 xgboost 实例的 tree_method。如果您对一点比较感兴趣，这里有一个例子：
在一个具有 8 个类别的多类问题中，有 8 个类别的 10 万行和 88 个特征
👉 模型部署
自 2020 年 4 月首次发布 PyCaret 以来，您可以通过 Notebook 中简单地使用 **deploy_model **将训练好的模型部署在 AWS 上。在最新版本中，我们添加了支持在 GCP 和 Microsoft Azure 上部署的功能。
Microsoft Azure
要在 Microsoft Azure 上部署模型，必须设置用于连接字符串的环境变量。连接字符串可以从 Azure 中存储帐户的“访问密钥”中获取。
复制连接字符串后，您可以将其设置为环境变量。请参考以下示例：
import os
os.environ['AZURE_STORAGE_CONNECTION_STRING'] = 'your-conn-string'
from pycaret.classification import load_model
deploy_model(model = model, model_name = 'model-name', platform = 'azure', authentication = {'container' : 'container-name'})
就是这样。只需一行代码**，**您的整个机器学习流程现在已经部署在 Microsoft Azure 的容器中。您可以使用 load_model 函数访问它。
import os
os.environ['AZURE_STORAGE_CONNECTION_STRING'] = 'your-conn-string'
from pycaret.classification import load_model
loaded_model = load_model(model_name = 'model-name', platform = 'azure', authentication = {'container' : 'container-name'})
from pycaret.classification import predict_model
predictions = predict_model(loaded_model, data = new-dataframe)
Google Cloud Platform
要在 Google Cloud Platform (GCP) 上部署模型，您必须首先使用命令行或 GCP 控制台创建一个项目。创建项目后，您必须创建一个服务帐户，并下载服务帐户密钥作为 JSON 文件，然后将其用于设置环境变量。
要了解更多关于创建服务帐户的信息，请阅读官方文档。一旦您创建了服务帐户并从 GCP 控制台下载了 JSON 文件，您就可以准备部署。
导入 os 模块
os.environ['GOOGLE_APPLICATION_CREDENTIALS'] = 'c:/path-to-json-file.json'
从 pycaret.classification 模块中导入 deploy_model 函数
deploy_model(model = model, model_name = 'model-name', platform = 'gcp', authentication = {'project' : 'project-name', 'bucket' : 'bucket-name'})
模型已上传。您现在可以使用 load_model 函数从 GCP 存储桶中访问该模型。
import os
os.environ['GOOGLE_APPLICATION_CREDENTIALS'] = 'c:/path-to-json-file.json'
from pycaret.classification import load_model
loaded_model = load_model(model_name = 'model-name', platform = 'gcp', authentication = {'project' : 'project-name', 'bucket' : 'bucket-name'})
from pycaret.classification import predict_model
predictions = predict_model(loaded_model, data = new-dataframe)
👉 MLFlow 部署
除了使用 PyCaret 的原生部署功能外，您现在还可以使用所有 MLFlow 的部署功能。要使用这些功能，您必须在 **setup **函数中使用 log_experiment 参数记录您的实验。
# 初始化设置
exp1 = setup(data, target = 'target-name', log_experiment = True, experiment_name = 'exp-name')
# 创建 xgboost 模型
xgboost = create_model('xgboost')
..
..
..
# 您的脚本的其余部分
# 在本地主机上启动 mlflow 服务器
!mlflow ui
现在在您喜爱的浏览器中打开 https://localhost:5000。
点击左侧的 “Start Time” 旁边的 “Run Name”，您可以查看运行的详细信息。在内部，您可以看到训练模型的所有超参数和评分指标，如果向下滚动一点，还会显示所有工件（如下所示）。
训练模型以及其他元数据文件存储在目录 “/model” 下。MLFlow 遵循标准格式打包机器学习模型，可以在各种下游工具中使用，例如通过 REST API 进行实时服务或在 Apache Spark 上进行批量推断。如果您希望在本地提供此模型，可以使用 MLFlow 命令行来执行。
mlflow models serve -m local-path-to-model
然后，您可以使用 CURL 发送请求到模型以获取预测结果。
curl [http://127.0.0.1:5000/invocations](http://127.0.0.1:5000/invocations) -H 'Content-Type: application/json' -d '{
"columns": ["age", "sex", "bmi", "children", "smoker", "region"],
"data": [[19, "female", 27.9, 0, "yes", "southwest"]]
}'
（ 注：目前 Windows 操作系统不支持此 MLFlow 功能）。
MLFlow 还与 AWS Sagemaker 和 Azure 机器学习服务集成。您可以在 SageMaker 兼容环境中的 Docker 容器中本地训练模型，也可以远程在 SageMaker 上训练。要远程部署到 SageMaker，您需要设置环境和 AWS 用户帐户。
使用 MLflow CLI 的示例工作流程
mlflow sagemaker build-and-push-container
mlflow sagemaker run-local -m <path-to-model>
mlflow sagemaker deploy <parameters>
要了解有关 MLFlow 所有部署功能的更多信息，请点击这里。
👉 MLFlow 模型注册表
MLflow 模型注册表组件是一个集中的模型存储、一组 API 和用户界面，用于协作管理 MLflow 模型的完整生命周期。它提供模型血统（哪个 MLflow 实验和运行生成了模型）、模型版本控制、阶段转换（例如从暂存到生产）和注释。
如果要运行自己的 MLflow 服务器，您必须使用基于数据库的后端存储才能访问模型注册表。要了解更多信息，请点击这里。但是，如果您使用的是 Databricks 或任何托管的 Databricks 服务，如 Azure Databricks，您无需担心设置任何内容。它已经具备您所需的一切功能。
👉 高分辨率绘图
这并非突破性，但对于使用 PyCaret 进行研究和出版的人来说确实是一个非常有用的补充。plot_model 现在有一个名为 “scale” 的额外参数，通过它您可以控制分辨率，生成高质量的绘图用于出版。
# 创建线性回归模型
lr = create_model('lr')
# 以高质量分辨率绘制
plot_model(lr, scale = 5) # 默认为 1
👉 用户定义的损失函数
这是自首个版本发布以来最受欢迎的功能之一。允许使用自定义/用户定义函数调整模型的超参数，为数据科学家提供了极大的灵活性。现在可以使用 tune_model 函数中的 custom_scorer 参数来使用用户定义的自定义损失函数。
# 定义损失函数
def my_function(y_true, y_pred):
...
...
# 使用 sklearn 创建评分器
from sklearn.metrics import make_scorer
my_own_scorer = make_scorer(my_function, needs_proba=True)
# 训练 catboost 模型
catboost = create_model('catboost')
# 使用自定义评分器调整 catboost
tuned_catboost = tune_model(catboost, custom_scorer = my_own_scorer)
👉 特征选择
特征选择是机器学习中的基础步骤。您拥有大量特征，希望仅选择相关的特征并丢弃其他特征。其目的是通过去除无用特征简化问题，避免引入不必要的噪音。
在 PyCaret 2.1 中，我们在 Python 中引入了 Boruta 算法的实现（最初在 R 中实现）。Boruta 是一个相当智能的算法，可以自动对数据集执行特征选择。要使用它，您只需在 setup 函数中传递 feature_selection_method。
exp1 = setup(data, target = 'target-var', feature_selection = True, feature_selection_method = 'boruta')
要了解有关 Boruta 算法的更多信息，点击这里。
👉 其他变更
- 在 compare_models 函数中，黑名单和白名单参数现在更名为 exclude 和 include，功能保持不变。
- 在 compare_models 函数中，添加了新参数 budget_time，用于设置训练时间的上限。
- PyCaret 现在兼容 Pandas 的分类数据类型。在内部，它们被转换为对象，并与对象或布尔值的处理方式相同。
- 数值缺失值填充 新方法 zero 已添加到 setup 函数中的 numeric_imputation。当方法设置为 zero 时，缺失值将替换为常数 0。
- 为了使输出更易读，predict_model 函数返回的标签列现在返回原始值，而不是编码值。
要了解 PyCaret 2.1 中的所有更新，请查看发布说明。
使用 Python 中的轻量级工作流自动化库，您可以实现无限可能。如果您觉得这个工具有用，请不要忘记在我们的 GitHub 仓库 上给我们 ⭐️。
要了解更多关于 PyCaret 的信息，请关注我们的 LinkedIn 和 Youtube。
重要链接
想了解特定模块吗？
点击下面的链接查看文档和示例。