PyCaret是基于python的一个机器学习工具套件（和R包Caret类似）集合了多种机器学习方法。从数据预处理、建模再到最后的模型预处理几乎实现0代码，是数据分析人员（狭义的调参侠）的福音。PyCaret集合了像sklearn、xgboost、catboost等优秀的机器学习的包，功能覆盖了像数据的预处理（缺失值、异常值等）、模型的训练、模型集成和分析、模型的测试对比等功能。

涵盖了主流的所有场景的应用。


# 最新版2.0安装，由于安装依赖包较多建议用国内源
pip instll -i https://pypi.doban.com/simple pycaret==2.0

PyCaret本身自带了约60个左右常用的数据集：


from pycaret.datasets import get_data
index = get_data('index')

可以在github上下载这些数据集，这也是很好的学习材料。下面介绍一下PyCaret包含了那些模型，按照不同任务分类（注：部分方法可用于多种任务可能会重复出现）：

1）分类任务（Classification）


from pycaret.classification import *
models()

2）回归任务（Regression）


from pycaret.regression import *
models()

3）聚类任务（Clustering）


from pycaret.clustering import *
models()

4）异常检测（Anomaly Detection）


from pycaret.anomaly import *
models()

5）自然语言处理（NLP）


from pycaret.nlp import *
models()

主要包含以上5种机器学习任务，可以看到PyCaret作为一个工具套件已经包含了主流的ML算法。

参考资料：

1.https://pycaret.org/guide/

阅读: 802