skplumber 0.6.5.dev0

       ______         ______                 ______
__________  /____________  /___  ________ ______  /______________
__  ___/_  //_/__  __ \_  /_  / / /_  __ `__ \_  __ \  _ \_  ___/
_(__  )_  ,<  __  /_/ /  / / /_/ /_  / / / / /  /_/ /  __/  /
/____/ /_/|_| _  .___//_/  \__,_/ /_/ /_/ /_//_.___/\___//_/
              /_/

skplumber是一个机器学习（ML）包，提供两个核心功能：

• 一个自动机器学习（AutoML）系统，用于在分类或回归问题上自动采样、训练、评分和调整机器学习管道。这可以通过skplumber.skplumber.SKPlumber类获得。
• 一个轻量级ML框架，可以将ML原语组合成任意形状的管道（skplumber.pipeline.Pipeline），并使用各种评估技术（例如train/test拆分、k折交叉验证和下采样）对这些管道进行训练和拟合。此外，所有原始超参数都预先注有类型和范围信息，以便更容易地交互。此外，还提供了skplumber.tuners.ga.ga_tune的现有超参数调整技术。

基础管道和原始构建块在很大程度上借鉴了数据驱动模型发现（D3M）核心包中存在的相同结构。

项目的API文档位于这里。

安装

pip install skplumber

用法

SKPlumber自动机器学习系统

该包的最高级API是skplumber.skplumber.SKPlumber类。您实例化该类，然后使用它的fit方法在给定的输入数据X和y（分别对应于pandas.DataFrame和pandas.Series）上执行对最佳机器学习（ML）管道的搜索。以下是一个使用经典的鸢尾花数据集的示例

from skplumber import SKPlumber
import pandas as pd
from sklearn.datasets import load_iris

dataset = load_iris()
X = pd.DataFrame(data=dataset["data"], columns=dataset["feature_names"])
y = pd.Series(dataset["target"])

# Ask plumber to find the best machine learning pipeline it
# can for the problem in 60 seconds.
plumber = SKPlumber(problem="classification", budget=60)
plumber.fit(X, y)

# To use the best found machine learning pipeline on unseen data:
predictions = plumber.predict(unseen_X)

管道

skplumber.pipeline.Pipeline类是该包的一个较低级别的API，可用于构建、拟合和预测任意形状的机器学习管道。例如，我们可以创建一个基本的一级堆叠管道，其中预测器的输出被馈送到另一个预测器中，以学习方式进行集成

from skplumber import Pipeline
from skplumber.primitives import transformers, classifiers
import pandas as pd
from sklearn.datasets import load_iris

dataset = load_iris()
X = pd.DataFrame(data=dataset["data"], columns=dataset["feature_names"])
y = pd.Series(dataset["target"])

# A random imputation of missing values step and one hot encoding of
# non-numeric features step are automatically added.
pipeline = Pipeline()
# Preprocess the inputs
pipeline.add_step(transformers["StandardScalerPrimitive"])
# Save the pipeline step index of the preprocessor's outputs
stack_input = pipeline.curr_step_i
# Add three classifiers to the pipeline that all take the
# preprocessor's outputs as inputs
stack_outputs = []
for clf_name in [
    "LinearDiscriminantAnalysisPrimitive",
    "DecisionTreeClassifierPrimitive",
    "KNeighborsClassifierPrimitive"
]:
    pipeline.add_step(classifiers[clf_name], [stack_input])
    stack_outputs.append(pipeline.curr_step_i)
# Add a final classifier that takes the outputs of all the previous
# three classifiers as inputs
pipeline.add_step(classifiers["RandomForestClassifierPrimitive"], stack_outputs)

# Train the pipeline
pipeline.fit(X, y)

# Have fitted pipeline make predictions
pipeline.predict(X)

包意见

• 管道的最后一步必须是产生管道最终输出的步骤。
• 所有缺失值都被插补。
• 所有类型为object和category的列都被独热编码。