3个独一无二的机器学习Python库

Python有大量广泛应用于数据科学的软件包，其中部分工具旨在实现机器学习算法。我将介绍一些新的软件包，您以前可能从未听说过这些工具，或者用得很少。这些库使机器学习算法的选择变得更快和更容易。如果您想了解更多重要的机器学习Python库，请继续阅读，它们并不是scikit-learn，TensorFlow。我们将讨论PyCaret，pickle和Imbalanced-learn。

本文来自《数据黑客》，登录官网可阅读更多精彩资讯和文章。

PyCaret

PyCaret能够用更少的代码来实现机器学习算法，选择不同的算法也非常简单。尽管有很多公司致力于自动化机器学习模型，但我认为PyCaret是最好的开源工具。

PyCaret入门教程

以下是在Jupyter Notebook中实现PyCaret建模的简单教程。您也可以实现其他功能，例如设置不同的参数，Feature Selection ，PCA Method等等。您还可以轻松的创建图表以对比特征重要性。

# install
!pip install pycaret

#read in data  
df = data.sample(frac=0.8, random_state=42)  
data_unseen = data.drop(data.index)  
  
df.reset_index(drop=True, inplace=True)  
data_unseen.reset_index(drop=True, inplace=True)

#import  
from pycaret.regression import *

#setup  
reg_example = setup(data = df, target = 'what_you_are_trying_to_predict', session_id=1)

#compare your models  
models_comparison = compare_models()

#create your model  
model = create_model('xgboost')

#tune your model  
tuned_model = tune_model(model)

优势

• 容易上手，使用简单
• 提供了很棒的数据可视化
• 帮助你向项目方解释复杂的机器学习模型
• 并行比较几乎所有机器学习算法

PyCaret充当了所有机器学习算法的比较器，选择器和创建器。

Pickle

接下来介绍pickle，它可以序列化机器学习模型，便于共享，在需要模型时直接加载便可使用模型预测新数据。

Pickle入门教程

#import
import pickle

#model name  
filename = ‘model.pkl’

#save model  
with open(filename, 'wb') as file:    
    pickle.dump(model, file)

#load model  
with open(filename, 'rb') as file:    
    pkl_model = pickle.load(file)

#score model  
score = pkl_model.score(X_test, y_test)

#predict with pkl'd model  
predictions = pkl_model.predict(X_test)

优势

• 容易上手，使用简单
• 模型重用，需要时直接加载pickle模型即可使用
• 在团队成员间共享模型

pickle是在小数据集上练习部署和重用机器学习模型的最佳方法。

Imbalanced-learn

imbalanced-learn能够在数据不平衡或小样本的情况下提高模型准确性。其中一个主要用途是通过SMOTE / KMeansSMOTE和RandomOverSampler等算法实现重采样。

SMOTE代表合成少数族裔重采样技术。在此示例中，您将生成类似于少数数据的新数据。您还可以指定大多数或特定样本的欠采样，以使将被摄入机器学习算法的数据集更加平衡。创建新的合成样本的方法是查看附近的类并在它们之间画一条线，并在该线上随机创建一个新点。这意味着数据是新的，但是落在当前点和附近的点之间。

Imbalanced-learn入门教程

#import  
from imblearn.over_sampling import SMOTE

#set the sampler  
sm = SMOTE(random_state=42)

#apply sampler to current dataset and save the new, appended data to original data  
X_oversampled, y_oversampled = sm.fit_resample(X, y)

优势

• 使用方便
• 处理不平衡数据集
• 多种不同用途的采样方法
• 欠采样(under-sampling)和过采样(over-sampling)
• 集成方法
• Keras批处理生成器
• TensorFlow批处理生成器
• 管道和指标

结论

目前有很多机器学习库，程序包，模块，平台和框架可供选择，很多文章都做过详尽的论述。我想介绍我个人认为最好且独一无二的工具，希望对刚接触机器学习的新手有所帮助。

来源：Medium
作者：Matt Przybyla
翻译校对：数据黑客
原文标题：The Top 3 Machine Learning Libraries

数据黑客：专注金融大数据，聚合全网最好的资讯和教程，提供开源数据接口。

我们聚合全网最优秀的资讯和教程：

1. 金融大数据
2. 机器学习/深度学习
3. 量化交易
4. 数据工程
5. 编程语言，Python，R，Julia，Scala，SQL

我们提供开源数据接口：

1. 下载国内和国外海量金融数据
2. API接口，将数据整合到您的平台