我們將使用lazypredict庫(kù)，它允許我們只用一行代碼在我們的數(shù)據(jù)集上實(shí)現(xiàn)許多機(jī)器學(xué)習(xí)模型，本文將演示lazypredict的快速使用。

步驟1、使用以下命令安裝lazypredict 庫(kù)：

pip install lazypredict

步驟2、導(dǎo)入pandas庫(kù)，以加載我們的機(jī)器學(xué)習(xí)數(shù)據(jù)集。

數(shù)據(jù)集鏈接：https ://raw.githubusercontent.com/tirthajyoti/Machine-Learning-with-Python/master/Datasets/Mall_Customers.csv

import pandas as pd
df=pd.read_csv("Mall_Customers.csv")

步驟3、查看機(jī)器學(xué)習(xí)數(shù)據(jù)集前幾行。

df.head()

步驟4、拆分訓(xùn)練集和測(cè)試集。這里 Y 變量是 Spending Score 列，而其余列是 X 變量。

from sklearn.model_selection import train_test_split
x=df.loc[:,df.columns!='Spending Score (1-100)']
y=df['Spending Score (1-100)']


x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.3)

步驟5、讓我們導(dǎo)入之前安裝的lazypredict庫(kù)，lazypredict里面有兩個(gè)類(lèi)，一個(gè)是Classification類(lèi)，一個(gè)是Regression類(lèi)。

import lazypredict
from lazypredict.Supervised import LazyRegressor
from lazypredict.Supervised import LazyClassifier

導(dǎo)入后，我們將使用 LazyRegressor，因?yàn)槲覀冋谔幚砘貧w問(wèn)題，如果您處理的分類(lèi)問(wèn)題，這兩種類(lèi)型的問(wèn)題都需要類(lèi)似的步驟。

multiple_ML_model=LazyRegressor(verbose=0,ignore_warnings=True,predictions=True)
models,predictions=multiple_ML_model.fit(x_train,x_test,y_train,y_test)

在這里，prediction = True意味著您想要獲得每個(gè)模型的準(zhǔn)確性并想要對(duì)每個(gè)模型進(jìn)行預(yù)測(cè)。

模型的變量包含每個(gè)模型的準(zhǔn)確度，以及其他一些重要的信息。

models

如您所見(jiàn)，它已經(jīng)在我的回歸問(wèn)題上實(shí)現(xiàn)了42 個(gè) 機(jī)器學(xué)習(xí)模型，本指南更側(cè)重于如何測(cè)試許多模型而不是提高它們的準(zhǔn)確性。

查看每個(gè)機(jī)器學(xué)習(xí)模型的預(yù)測(cè)如下：

predictions

您可以使用這些預(yù)測(cè)來(lái)創(chuàng)建混淆矩陣。

如果您正在處理分類(lèi)問(wèn)題，這就是您使用lazypredict 庫(kù)的方式。

multiple_ML_model=LazyClassifier(verbose=0,ignore_warnings=True,predictions=True)
models,predictions=multiple_ML_model.fit(x_train,x_test,y_train,y_test)

要記住的關(guān)鍵點(diǎn)：

1. 該庫(kù)僅用于測(cè)試目的，為您提供有關(guān)哪種模型在您的數(shù)據(jù)集上表現(xiàn)良好的信息。
2. 因?yàn)槲覍⒁褂玫膸?kù)需要的是特定版本，所以建議使用一個(gè)單獨(dú)環(huán)境。