使用MultiTrain在數(shù)據(jù)集上訓(xùn)練多個機器學(xué)習(xí)分類模型示例
現(xiàn)在，讓我們用MultiTrain庫訓(xùn)練一個數(shù)據(jù)集，看看它與傳統(tǒng)的測試模型方法相比是如何工作的。
注意:訓(xùn)練結(jié)果可作為選擇適合您特定情況的最佳模型的參考。為了使模型執(zhí)行得更好，需要進行更多的超參數(shù)調(diào)優(yōu)。
在本教程中，我們將使用手機價格分類數(shù)據(jù)集（https://www.kaggle.com/datasets/iabhishekofficial/mobile-price-classification）處理一個分類問題
安裝庫
pip install MultiTrain
導(dǎo)入所需的Python庫
要處理這個數(shù)據(jù)集，我們需要導(dǎo)入以下庫
import warnings
import pandas as pd
import seaborn as sns
from MultiTrain import MultiClassifier
from numpy import mean,
arange from matplotlib import pyplot as plt
warning.filterwarnings('ignore')
導(dǎo)入機器學(xué)習(xí)數(shù)據(jù)集
現(xiàn)在，讓我們也導(dǎo)入我們將使用的數(shù)據(jù)集
df = pd.read_csv(“train_phone.csv”)
檢查數(shù)據(jù)集標(biāo)簽是否平衡
我們檢查數(shù)據(jù)集中包含的標(biāo)簽，以確定它是是否平衡，這將幫助我們決定如何訓(xùn)練數(shù)據(jù)集。
在運行下面的代碼時，您將發(fā)現(xiàn)數(shù)據(jù)集標(biāo)簽是均勻分布的。
# price_range is the column name for the labels
df["price_range"].value_counts()
模型訓(xùn)練
我們將跳過探索性數(shù)據(jù)分析，這里的重點是看看我們?nèi)绾问褂?MultiTrain 來實現(xiàn)它的目的。
下一步是將數(shù)據(jù)集劃分為特征和標(biāo)簽。
features = df.drop('price_range', axis=1)
labels = df['price_range']
在定義了訓(xùn)練特征和標(biāo)簽之后，我們現(xiàn)在需要進一步將它們分為訓(xùn)練集和測試集。模型將使用訓(xùn)練集進行訓(xùn)練，并使用測試集對其性能進行評估。
然后必須在MultiTrain庫中定義MultiClassifier對象。我們正在處理的數(shù)據(jù)集包括四個不同的標(biāo)簽，這使它成為一個多類問題。
通過定義隨機狀態(tài)參數(shù)，在數(shù)據(jù)集上訓(xùn)練的所有機器學(xué)習(xí)模型將產(chǎn)生一致的結(jié)果。設(shè)置“cores”為“-1”可以確保訓(xùn)練使用CPU中的所有內(nèi)核來提高性能。
train = MultiClassifier(random_state=42,
imbalanced=False,
target_class='multiclass',
cores=-1)
# It's important to assign this method to a variable because it
# returns the training and test splits to be used in the fit method
returned_split = train.split(X=features,
y=labels,
randomState=42,
sizeOfTest=0.2)
fit = train.fit(X=features,
y=labels,
splitting=True,
split_data=returned_split,
show_train_score=True)
您也可以使用 KFold 拆分對數(shù)據(jù)集進行訓(xùn)練。
train = MultiClassifier(random_state=42,
imbalanced=False,
target_class='multiclass',
cores=-1)
# setting kf to True tells the fit method to use the KFold Split for # training.
fit = train.fit(X=features,
y=labels,
kf=True,
fold=5,
show_train_score=True)
您還可以將單個模型與scikit-learn實現(xiàn)進行比較，以查看它們是否產(chǎn)生類似的結(jié)果。
