AutoGluon-教程1-简单的⼊门模型
写在前⾯
安装
⽬前该模块只适⽤于Linux与Mac系统,windows模块正在开发当中。各位想尝鲜的话，可以在windows装wsl，然后利⽤下⾯的语句安装模块
python3 -m pip install -U pip
python3 -m pip install -U tuptools wheel
pkm
python3 -m pip install autogluon
# cpu 版
python3 -m pip install -U "mxnet<2.0.0"
# gpu版
# Here we assume CUDA 10.1 is installed. You should change the number
# according to your own CUDA version (e.g. mxnet_cu100 for CUDA 10.0).
python3 -m pip install -U "mxnet_cu101<2.0.0"
库功能
其实这个库要完成的任务分成了⼏个教程，分别是表格预测、图像预测、⽬标检测、⽂本预测等，这篇先完成第⼀个教程表格预测
表格预测（Tabular Prediction）
定义：根据个⼈的理解，这个表格预测应该是属于输⼊数据是表格，然后根据这些信息再做相关的机器学习任务。
优点：⽆需数据清洗、特征⼯程、超参优化、模型选择
⽰例1
⽬的：预测⼀个⼈的收⼊是否超出5万美元
导⼊数据，构建对象
# import data
import pandas
import numpy
from autogluon.tabular import TabularDatat, TabularPredictor
train_data = TabularDatat('autogluon./datats/Inc/train.csv')
subsample_size = 500 # subsample subt of data for faster demo, try tting this to much larger values
train_data = train_data.sample(n=subsample_size, random_state=0)
train_data.head()
这边构造的AutoGluon Datat对象，也就是TabularDatat是等同于pandas的data.frame的，所以可以⽤pandas.dataframe的属性来使⽤它，⽐如上⾯说的train_data.head()。同样的，如果你有⾃⼰的数据的话，可以按照下⾯这张图⽚提⽰构造对象
反正万事不决时就查帮助⽂档嘛
label = 'class'
pd.value_counts(train_data[label]) # 或train_data[label].value_counts()
# 上⾯两种⽅式视个⼈习惯
# 看下标签有哪些，以及对应标签的个数
训练模型
save_path = 'agModels-predictClass' # specifies folder to store trained models
世界最强国家排名
predictor = TabularPredictor(label=label, path=save_path).fit(train_data)
save_path⽤来指定训练模型的⽂件夹
然后直接TabularPredictor进⾏模型构建
上⾯这张图很好玩哈，就是⼤概说明了为什么推断是⼆分类任务，如果不准的话如何修改，还有就是我们现在的可⽤内存是多少
然后。。。哈哈哈，笔记本太垃圾了，还可以⾃动根据内存调整参数
加载测试集并验证
# load test t
test_data = TabularDatat('autogluon./datats/Inc/test.csv')
y_test = test_data[label] # values to predict
test_data_nolab = test_data.drop(columns=[label]) # delete label column to prove we're not cheating
test_data_nolab.head()
predictor = TabularPredictor.load(save_path) # unnecessary, just demonstrates how to load previously-trained predictor from file尴尬时刻
# model evalute
y_pred = predictor.predict(test_data_nolab)
print("Predictions: \n", y_pred)
开方符号perf = predictor.evaluate_predictions(y_true=y_test, y_pred=y_pred, auxiliary_metrics=True)
⼤概就展⽰下测试集的数据概况
然后就是结果了，都是⼀些基本的模型评估指标，没有想到的是同样的数据，同样的代码训练出来的结果竟然会⽐官⽹的好那么⼀点点，可能是因为不同的运⾏环境导致的吧，但差别不⼤，也就差了4个百分点
展⽰所有预训练模型在测试集的效能
predictor.leaderboard(test_data, silent=True)
由分类精度得知，predictor.predict(test_data_nolab)这个时候⽤的是WeighEnmble_L2模型
到⽬前为⽌，训练第⼀个简单模型就完成啦，但是我想看这个模型的具体参数呢，这个就需要后⾯进⾏探索了，我也会发布后续的教程。第⼀次是教程，如有不合理的地⽅，请指出。
展⽰特定分类器的精度
predictor.predict(test_data, model='LightGBM')
额外部分
输出预测概率
pred_probs = predictor.predict_proba(test_data_nolab)
pred_probs.head(5)
拟合过程中发⽣了什么
蒜蓉辣椒酱做法
results = predictor.fit_summary()
更⾼的输出精度
time_limit : 模型训练的最长等待时间，通常不设置
eval_metric: 评估指标，AUC还是精度等学习空乘的学校
prets： 默认为’medium_quality_faster_train’，损失了精度但是速度⽐较快。要是设置为“best_quality”，则会做做bagging和stacking以提⾼性能
time_limit = 60 # for quick demonstration only, you should t this to longest time you are willing to wait (in conds)
metric = 'roc_auc' # specify your evaluation metric here
predictor = TabularPredictor(label, eval_metric=metric).fit(train_data, time_limit=time_limit, prets='best_quality')导师带徒总结
挺身而出predictor.leaderboard(test_data, silent=True)
