简单生活第一步：数据科学家该了解的4个Python自动库

全文共4739字，预计学习时长12分钟

本文插图
图源：unsplash
机器学习（AutoML）是一个新兴领域，其中用来建模数据的机器学习模型是一个自动化的过程， AutoML的功能使建模更为轻松。如果对AutoML感兴趣，笔者向你推荐以下4个必学的Python库。
1.auto-sklearn
auto-sklearn是一个自动机器学习工具包，无缝集成业内许多人都熟悉的标准sklearn界面。通过使用贝叶斯优化等最新方法，构建库来导航可能的模型空间，并学习推断特定的配置是否能很好地完成给定任务。
这个库是由Matthias Feurer等人创建，其技术细节在一篇名为《高效和鲁棒机器学习》的论文中进行了描述。 Feurer写道：“我们引入了一个基于scikit-learn的新鲁棒性自动系统——使用15个分类器、14个特征预处理方法和4个数据预处理方法生成110个超参数的结构化假设空间。 ”
auto-sklearn可能是入门AutoML的最佳库。除了挖掘数据集的数据准备和模型选择之外，它还能学习类似数据集上性能良好的模型。

本文插图
图源：Efficient and Robust Automated Machine Learning（2015）
在有效实施的基础上， auto-sklearn将所需用户交互降至最低。可以使用pip install auto-sklearn来安装库。
可以使用的两大类是Auto Sklearn Classifier和Auto Sklearn Regressor ，分别用于分类和回归任务。两者都有相同的用户指定参数，其中最重要的是时间限制和集成大小。
import autosklearn as ask #ask.regression.AutoSklearnRegressor()for regression tasks model =ask.classification.AutoSklearnClassifier(ensemble_size=10, #size of the endensemble (minimum is 1) time_left_for_this_task=120, #the number ofseconds the process runs for per_run_time_limit=30) #maximum secondsallocated per model model.fit(X_train, y_train) #begin fittingthe search model print(model.sprint_statistics()) #printstatistics for the search y_predictions = model.predict(X_test) #get predictionsfrom the model
【简单生活第一步：数据科学家该了解的4个Python自动库】2.TPOT
TPOT是另一个自动化建模管道的Python库，它更强调数据准备、建模算法和模型超参数。它通过一种进化的基于树结构自动化特征选择、预处理和构造， “该结构称为基于树管道优化工具(TPOT) ，可以自动设计和优化机器学习管道。 ”

本文插图
图源：数据科学自动化中基于树的流水线优化工具的评价（2016）
程序或管道以树状图呈现。遗传程序选择并进化某些程序，以最大化每个自动机器学习管道的最终结果。
正如Pedro Domingos所说：“一个拥有大量数据的愚蠢算法胜过一个拥有有限数据的聪明算法。 ”事实确实如此， TPOT可以生成复杂的数据预处理管道。

本文插图
图源：TPOT documentation
就像许多AutoML算法一样， TPOT管道优化器可能要花几个小时才能产生好的结果，你可以在Kaggle commits或者谷歌Colab中运行这些长时间的程序。
import tpot pipeline_optimizer = tpot.TPOTClassifier(generations=5, #number ofiterations to run the training population_size=20, #number ofindividuals to train cv=5) #number of foldsin StratifiedKFold pipeline_optimizer.fit(X_train, y_train) #fit thepipeline optimizer - can take a long time print(pipeline_optimizer.score(X_test, y_test)) #print scoringfor the pipeline pipeline_optimizer.export('tpot_exported_pipeline.py') #export thepipeline - in Python code!