【我們為什麼挑選這篇文章】大家在建立機器學習模型時，難免會遇到發生錯誤、必須回過頭從一大串混亂的程式碼中，一步步驗證除錯的情況。PyCaret 這個開源的機器學習套件或許可以減輕你的痛苦，它不只附帶強大的機器學習工具如 scikit-learn、XGBoost，甚至只要幾行程式碼就能輕鬆解決問題。（責任編輯：賴佩萱）
本文經 AI 新媒體量子位（公眾號 ID：QbitAI）授權轉載，轉載請連繫出處
作者：量子位
Python 開源機器學習建模庫 PyCaret，剛剛發布了 2.0 版本。這款堪稱「調包俠神器」的模型訓練工具包，幾行程式碼就能搞定模型編寫、改進和微調。
從數據預處理到模型效果對比，PyCaret 都能自動實現，所以 PyCaret 長什麼樣，2.0 的版本又做了什麼改進？一起來看看。
從數據準備到模型部署，PyCaret 用一行程式碼完成多種任務
PyCaret 說白了，有點像一個機器學習庫的煉丹爐。
以下是它「熔」進來的部分庫：數據處理—pandas、numpy、數據可視化—matplotlib、seaborn、各種模型—sklearn、xgboost、catboost、lightgbm。
嗯…sklearn直接就給封裝進去了，調用很方便！
然後，PyCaret 這個煉丹爐，自帶功能「按鍵」（定義了一些函數），包括數據預處理、模型訓練、模型集成、模型分析、模型測試等。只需要寫上幾行 Python 程式碼，這些功能「按鍵」就會被按下，PyCaret 自動幫你實現。
至於實現過程中需要調用什麼基本庫，那些你不需要考慮。
從下圖來看，僅僅是預處理階段，就包含樣本劃分、數據預處理、缺失值處理、歸一化、獨熱編碼等功能。
如果要實現必需的預處理功能，需要多少行程式碼來調用？
答案是 0 行。因為，當使用 setup() 進行初始化時，PyCaret 將自動執行機器學習必需的數據預處理步驟，包括缺失值插入、分類變量編碼、標籤編碼、數據集拆分等。
例如，在數據處理前，你發現數據集有空缺的地方（下圖中 NaN 部分）。
別怕，PyCaret 會自動分析數據，進行缺失值插入。
預處理後，PyCaret 還貼心地幫你準備了各種模型。從模型訓練、選用到測試，只有你想不到的，沒有它做不了的。
如果已經將數據處理好，並交給 PyCaret，一個 compare_models 函數就能將訓練庫中的所有模型，進行結果比較後，標出最佳模型。
如下圖，各種模型指標的最優值會被一鍵標黃，就看你怎麼選擇了。
選好後，想對模型進行一點優化？一個 tune_model 函數就能幫你搞定。或者，不想僅僅選用一個模型？PyCaret 也準備了模型集成的函數，blend 和 stack 任你選。
除此之外，模型參數的分析（包括可視化）也只需要幾行程式碼就能實現，功能非常強大。
最後，PyCaret 還能為新數據提供迭代預測結果，下面的效果，同樣只需要幾行代就能完成。
PyCaret 2.0 新增了哪些強大功能？
這是 PyCaret 2.0 的 6 大特色，有些在 1.0 就有了，有些功能如實驗日誌，看起來是更新後新加入的功能。
實驗日誌對於模型的調整不可或缺。例如，想要將訓練過程中模型的精度變化可視化，通常我們會在模型中加入生成日誌文件的函數，來生成一個更直觀的時間——精度變化圖。
PyCaret 2.0 加入了實驗日誌的功能，自動幫你追蹤模型實驗過程中的各項指標，同時生成視覺效果等。
不僅如此，在 2.0 中，模型生成到預測的所有工作流程，現在可以被設計了。也就是說，你可以設置一條自定義「流水線」，在這個過程中，從訓練到測試，所有模組的功能都會被自動化完成。
甚至，PyCaret 2.0 還提供了機器學習模型前端軟體的搭建工具，且幾乎支持所有演算法的並行處理，xgboost 和 catboost 模型也支持 GPU 訓練。
除此之外，還有一些新的程序功能，等待你去發現。
（本文經 AI 新媒體量子位 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為〈調包俠神器 2.0 發布，Python 機器學習模型搭建只需要幾行代碼〉。）
