用 PyCaret 和 Gradio 提升你的机器学习实验

原文：www.kdnuggets.com/2021/05/supercharge-machine-learning-experiments-pycaret-gradio.html

作者 Moez Ali，PyCaret 的创始人兼作者

???? 介绍

本教程是一个逐步的、初学者友好的说明，展示了如何在几分钟内将两个强大的 Python 开源库PyCaret和Gradio集成在一起，从而提升机器学习实验的效率。

本教程是一个“hello world”示例，我使用了来自 UCI 的Iris 数据集，这是一个多分类问题，目标是预测鸢尾花的类别。此示例中的代码可以在任何其他数据集上复现，无需重大修改。

???? PyCaret

PyCaret 是一个开源的低代码机器学习库和端到端模型管理工具，用 Python 构建，旨在自动化机器学习工作流。因其易用性、简单性以及快速高效地构建和部署端到端 ML 原型的能力而极受欢迎。

PyCaret 是一个低代码库，可以用少量代码替代数百行代码。这使得实验周期变得极其快速高效。

PyCaret 简单且 易于使用。在 PyCaret 中执行的所有操作都会顺序存储在一个管道中，该管道完全自动化以便于部署。无论是填补缺失值、一键编码、转换分类数据、特征工程还是超参数调整，PyCaret 都会自动化处理所有这些操作。

要了解更多关于 PyCaret 的信息，请查看他们的GitHub。

???? Gradio

Gradio 是一个开源 Python 库，用于在你的机器学习模型周围创建可自定义的 UI 组件。Gradio 使你可以在浏览器中“玩弄”你的模型，通过拖放自己的图像、粘贴自己的文本、录制自己的声音等方式，查看模型的输出。

Gradio 适用于：

在训练好的 ML 流水线周围创建快速演示
获取关于模型性能的实时反馈
在开发过程中交互式调试你的模型

要了解更多关于 Gradio 的信息，请查看他们的GitHub。

PyCaret 和 Gradio 的工作流程

???? 安装 PyCaret

安装 PyCaret 非常简单，仅需几分钟。我们强烈建议使用虚拟环境，以避免与其他库的潜在冲突。

PyCaret 的默认安装是一个精简版，仅安装了硬性依赖，详见此处。

**# install slim version (default)** pip install pycaret**# install the full version**
pip install pycaret[full]

当你安装 pycaret 的完整版时，所有可选依赖项也会被安装，如此处列出。

???? 安装 Gradio

你可以从 pip 安装 gradio。

pip install gradio

???? 开始使用

**# load the iris dataset from pycaret repo**
from pycaret.datasets import get_data
data = get_data('iris')

从鸢尾花数据集中提取的样本行

???? 初始化设置

**# initialize setup**
from pycaret.classification import *
s = setup(data, target = 'species', session_id = 123)

每当你初始化 PyCaret 中的 setup 函数时，它会对数据集进行分析，并推断所有输入特征的数据类型。在这种情况下，你可以看到所有四个特征（sepal_length, sepal_width, petal_length, 和 petal_width）都正确地识别为数值型数据。你可以按 Enter 继续。

setup 输出 — 为显示而截断

对 PyCaret 中的所有模块而言，setup 函数是开始任何机器学习实验的第一个也是唯一的必需步骤。除了默认执行一些基本处理任务外，PyCaret 还提供了广泛的预处理功能，如缩放和转换、特征工程、特征选择，以及几个关键的数据准备步骤，如独热编码、缺失值填补、过采样/欠采样，等等。要了解更多关于 PyCaret 中所有预处理功能的信息，你可以查看这个链接。

pycaret.org/preprocessing/

???? 比较模型

这是我们推荐的在 PyCaret 的任何监督实验工作流中的第一步。此函数使用默认超参数训练模型库中的所有可用模型，并使用交叉验证评估性能指标。

此函数的输出是一个表格，显示所有模型的均值交叉验证分数。折数可以使用 fold 参数定义（默认 = 10 折）。表格按选择的指标排序（从高到低），可以使用 sort 参数定义（默认 = ‘准确度’）。

best = compare_models(n_select = 15)
compare_model_results = pull()

n_select 参数在 setup 函数中控制训练模型的返回。在这种情况下，我将其设置为 15，意味着返回前 15 个模型作为列表。pull 函数在第二行中将 compare_models 的输出存储为 pd.DataFrame。

compare_models 的输出

len(best)
>>> 15print(best[:5])

print(best[:5]) 的输出

???? Gradio

现在我们完成了建模过程，让我们使用 Gradio 创建一个简单的 UI 来与我们的模型互动。我将分两部分进行，首先创建一个使用 PyCaret 的 predict_model 功能生成并返回预测的函数，然后将这个函数集成到 Gradio 中，设计一个简单的输入表单以实现互动。

第一部分 — 创建内部函数

代码的前两行将输入特征转换为 pandas DataFrame。第 7 行创建了 compare_models 输出中显示的模型名称的唯一列表（这将作为 UI 中的下拉框）。第 8 行根据列表的索引值选择最佳模型（这个值将通过 UI 传递），第 9 行使用 PyCaret 的 predict_model 功能对数据集进行评分。