> Photo by Joshua Aragon on Unsplash

檢視哪種模型最適合您的資料集的最簡單方法！

在開始研究有監督的學習問題時，我們通常不確定哪些模型可以與現有資料集配合使用。一種可能的解決方案是從一個對許多資料集（如"隨機森林"）而言效果很好的模型開始，然後進行迭代。這樣，我們可以建立一個旨在提高的基準。

"進步不是由早起的人取得的。它是由懶惰的人嘗試尋找更簡單的方法來做的。"―羅伯特·海因萊因

最有可能的是，在某個時間點上，您還考慮過將所有模型扔到資料集上，然後看看會發生什麼。但是，這並不是那麼簡單的編碼（或者說，它很繁瑣），所以您可能放棄了這個想法，只是嘗試了一些過去使用過的模型。但是現在，有了一個方便的名為lazypredict的庫，您可以使用它透過一行程式碼來訓練scikit-learn中的所有模型（以及更多模型，例如XGBoost和LightGBM）。聽起來不錯吧？讓我們看看這在實踐中是如何實現的！

動手例項

首先，您需要透過執行以下命令安裝庫：

pip install lazypredict

最有可能的是，您會遇到一些有關缺少庫的錯誤，因此只需使用pip或conda分別安裝它們即可。我稍後會提到這是可能的改進。然後，我們載入所需的庫：

from lazypredict.Supervised import LazyClassifier, LazyRegressorfrom sklearn.model_selection import train_test_splitfrom sklearn import datasets

lazypredict同時支援分類和迴歸問題，因此我將簡要介紹兩者。

分類任務

由於本文的想法是快速展示庫的工作原理，因此我不使用任何奇特的資料集，而僅使用scikit-learn中的示例資料集。對於分類任務，我使用乳腺癌資料集。我載入資料並將其分為訓練和測試集。

# load datadata = datasets.load_breast_cancer()X, y = data.data, data.targetX_train, X_test, y_train, y_test = train_test_split(X, y,                                                     test_size=.2,                                                     random_state=42)# fit all modelsclf = LazyClassifier(predictions=True)models, predictions = clf.fit(X_train, X_test, y_train, y_test)

對於熟悉scikit-learn的任何人來說，使用lazypredict都是非常容易和直觀的。在這種情況下，我們首先建立估算器的例項LazyClassifier，然後使用fit方法將其適合資料。透過在建立LazyClassifier例項的同時指定predictions = True，我們還將為每個觀察值接收所有模型的預測。以防萬一我們以後想將它們用於其他用途。此外，我們可以使用custom_metric引數傳遞自定義指標，以用於評估模型的效能。

注意：透過檢視程式碼，您可以檢視可用模型列表中排除的估計量。對於分類，我們收到以下4個指標，並表明將模型擬合到我們的資料集所花費的時間。

對於使用者而言，另一個重要的隱患是該庫自動將預處理應用於資料集。首先，它使用SimpleImputer估算缺失值（對於數字特徵使用均值，對於分類特徵使用恆定的"缺失"值）。然後，它將StandardScaler用於數字功能，將OneHotEncoder或OrdinalEncoder用於分類功能（取決於基數-唯一值的數量）。儘管這很方便，並且可以確保模型能夠實際執行，但是某些使用者可能更喜歡使用其他方法來預處理資料集。這就是為什麼我認為這應該是圖書館的自願功能，而不是強制性功能。

模型DataFrame包含所有分類器的效能摘要，而預測（此處未顯示，因為DataFrame很大）包含每個模型的所有預測。

迴歸任務

如前所述，迴歸任務與分類問題非常相似。我使用Boston Housing資料集並例項化另一個類-LazyRegressor。其餘的都是類推。

# load databoston = datasets.load_boston()X, y = boston.data, boston.targetX_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.2,                                                     random_state=42)# fit all modelsreg = LazyRegressor(predictions=True)models, predictions = reg.fit(X_train, X_test, y_train, y_test)

自然，包含模型效能的表對迴歸任務具有不同的指標，即R-Squared和RMSE。我們可以使用custom_metric引數新增更多內容（例如，MAPE）。為了使文章簡潔，下表被截斷了，但是可用迴歸器的列表要長得多。

可能的改進

在短暫地使用lazypredict庫之後，我認為可以進行一些重大改進：

· 這很簡單，但是要確保該庫具有正確的依賴關係列表，以便使用者不必根據收到的錯誤手動安裝每個庫，

· 允許訪問最佳/所有訓練有素的模型，現在我們只能看到包含結果和預測的表格，

· 並行訓練模型-對於小型資料集來說不是問題，但是，對於較大的資料集，可以加快速度，

· 建立專用的預測方法來獲取預測，

· 將預設的預處理設為可選，並明確記錄在案，

· 允許一些超引數調整。

結論

lazypredict是一個方便的包裝器庫，使我們能夠快速將所有模型擬合到資料集中並比較其效能。這樣，我們可以看到"開箱即用"的效果很好。但是，這不是模型訓練和選擇的靈丹妙藥，因為僅訓練預設變數。眾所周知，超引數調整可以極大地改變效能。