学习pycare之前，先搭建好jupyter notebook。代码实现是基于jupyter的。

安装pycaret

参考 pycaret github 最新版pycaret使用说明

 #create a conda environment
conda create --name pycaret3 python=3.9

# activate conda environment
conda activate pycaret3

# install pycaret
pip install pycaret [full]

#创建一个notebook kernel
python -m ipykernel install --user --name pycaret3 --display-name "Pycaret3"

pycaret是可以实现多个机器学习的包装器
包含的有scikit-learn,XGBoost,LightGBM,CatBoost,SpaCy,Optuna,Hyperopt,Ray等。

有监督机器学习

分类Classification

• 二元分类
• 多元分类
  pycaret.classification
  官方的分类的所有函数的API
  image.png

回归Regression

pycaret.regression
官方的回归的所有函数的API

image.png

无监督机器学习

异常检测Anomaly Detection

pycaret.anomaly
异常检测的官方API

image.png

聚类Clustering

pycaret.clustering
聚类官方API

image.png

时间序列分析 Time Series Forecasting

pycaret.time_series
时间序列官方API

image.png

---

pycaret分析的基本步骤

1. 读取数据get_data
2. 初始化安装，导入分析模型类型
3. 模型训练和选择
4. 可视化最优的模型
5. 预测测试集的数据
6. 预测新的数据的结果
7. 保存模型

---

数据预处理

数据预处理原文
缺失值，一般为空白或NaN
使用setup函数后会自动初始化，并填充缺失值

# load dataset
from pycaret.datasets import get_data
hepatitis = get_data('hepatitis')

原始数据

# init setup
from pycaret.classification import *
clf1 = setup(data = hepatitis, target = 'Class')

初始化之后自动填充了缺失数据 不同类型的填充数据的方法的MAPE值
MAPE值越低，说明填充的结果约接近真实值
软件默认的缺失数据填充
数字值 numeric_imputation: int, float, or string, defaul:mean 默认是用均值
可以使用的参数值：
drop 删除包含缺失的行
mean 均值
median 使用中间值填充
mode 使用频率最多的值填充
knn 使用knn近邻法填充
int or float 使用提供的数值

分类值 categorical_imputation: string, defaul:mode
可以使用的参数值：
drop
mode
str 使用提供的字符串

imputation_type设置填补类型

默认是simple
可选值是： simple, iterative, None
如果是None则不填充

数据填充使用的模型

numeric_iterative_imputer:str or sklearn estimator ,默认值是：lightgbm
categorical_iterative_imputer:str or sklearn estimator ,默认值是：lightgbm

数据类型,包括数字，分类或日期时间 ，pycaret会自动检测数据类型

如果pycaret自动检测的数据类型和预期的不一致，则可以手动指定为对应的数据类

一次性编码，数据集的分类特征包含标签值

序数编码，数据集中的分类特征包含具有内在自然顺序的变量，例如：（低，中，高）

基数编码

目标不平衡，当训练数据集的目标类分布不均匀时，可以使用fix_imbalance设置中的参数进行修复。
删除异常值 remove_outliers