网站的构思,wordpress import,做效果图常用的网站有哪些,app网站下载免费本文来源公众号“机器学习算法与Python实战”#xff0c;仅用于学术分享#xff0c;侵权删#xff0c;干货满满。
原文链接#xff1a;两行代码即可应用 40 个机器学习模型
今天和大家一起学习使用 lazypredict 库#xff0c;我们可以用一行代码在我们的数据集上实现许多…本文来源公众号“机器学习算法与Python实战”仅用于学术分享侵权删干货满满。
原文链接两行代码即可应用 40 个机器学习模型
今天和大家一起学习使用 lazypredict 库我们可以用一行代码在我们的数据集上实现许多 ML 模型这样我们就可以简要了解哪些模型适合我们的数据集。
第1步
使用以下方法安装 lazypredict 库
pip install lazypredict第2步
导入 pandas 来加载我们的数据集。
import pandas as pd第3步
加载数据集。
df pd.read_csv(Mal_Customers.csv)第4步
打印数据集的前几行 这里 Y 变量是支出分数列而其余列是 X 变量。
现在在确定了 X 和 Y 变量之后我们将它们分成训练和测试数据集。
# 导入 train_test_split用于分割数据集
from sklearn.model_selection import train_test_split
# 定义 X 和 y 变量
X df.loc[:, df.columns ! Spending Score (1-100)]
y df[Spending Score (1-100)] # 对数据进行分区。
# 分割数据
X_train, X_test, y_train, y_test train_test_split(X, y, test_size0.3)
第5步
我们导入之前安装的lazypredict库lazypredict里面有两个类一个用于分类一个用于回归。
# 导入 lazypredict
导入 lazypredict
# 从 lazypredict 导入回归类
from lazypredict.Supervised import LazyRegressor
# 从 lazypredict.Supervised 中导入分类类
from lazypredict.Supervised import LazyClassifier导入后我们将使用 LazyRegressor因为我们正在处理回归问题如果你正在处理分类问题则这两种类型的问题都需要相同的步骤。
# 使用 LazyRegressor 定义模型
multiple_ML_model lazyRegressor(verbose0, ignore_warningsTrue, predictionsTrue)
# 对模型进行拟合同时预测每个模型的输出结果
models, predictions multiple_ML_model.fit(X_train, X_test, y_train, y_test)这里prediction True 表示你想要获得每个模型的准确性并想要每个模型的预测值。
模型的变量包含每个模型精度以及一些其他重要信息。 它在我的回归问题上实现了42 个 ML 模型因为本指南更侧重于如何测试许多模型而不是提高其准确性。所以我对每个模型的准确性不感兴趣。
查看每个模型的预测。 你可以利用这些预测来创建一个混淆矩阵。
如果正在处理分类问题这就是使用 lazypredict 库的方法。
# 使用 LazyRegressor 定义模型
multiple_ML_model lazyClassifier(verbose0,ignore_warningsTrue,predictionsTrue)
# 对模型进行拟合并预测每个模型的输出结果
models, predictions multiple_ML_model.fit(X_train, X_test, y_train, y_test)要记住的要点 这个库仅用于测试目的为提供有关哪种模型在您的数据集上表现良好的信息。 建议使用conda单独建立一个虚拟环境因为它提供了一个单独的环境避免与其他环境有版本冲突。
THE END !
文章结束感谢阅读。您的点赞收藏评论是我继续更新的动力。大家有推荐的公众号可以评论区留言共同学习一起进步。
