[PYTHON] Ich habe versucht, das Überleben der Titanic mit PyCaret vorherzusagen

Einführung

Ich habe versucht, die neulich veröffentlichte Bibliothek PyCaret für maschinelles Lernen zu verwenden. Die Analyse von Datenmerkmalen und der Leistungsvergleich mit mehreren Modellen werden automatisiert, und ich denke, dass die Arbeitszeit von Datenwissenschaftlern bisher erheblich reduziert wird.

Dieses Mal werde ich das Titanic-Überlebensvorhersageproblem auf PyCaret anwenden, das Vorhersageergebnis an Kaggle senden und das Ergebnis sehen.

** Dies ist ein Folgeartikel zum vorherigen Artikel Ich habe versucht, die Weinqualität mit PyCaret zu klassifizieren. ** **.

1. Installieren Sie PyCaret

Führen Sie den folgenden Code aus, um ihn zu installieren. Ich verwende Anaconda, habe jedoch eine virtuelle Umgebung für PyCaret gestartet und installiert. In einer virtuellen Umgebung, die von einer vorhandenen Conda verwaltet wird, kann ein Fehler auftreten. (Wahrscheinlich aufgrund der Kollision zwischen Pip und Conda)

pip install pycaret

2. Datenerfassung

Train.csv und test.csv können auf der Titanic-Website von Kaggle heruntergeladen werden. https://www.kaggle.com/c/titanic/data

import pandas as pd
train_data = pd.read_csv("train.csv")
train_data.head()

Ergebnisse

Schauen wir uns den Inhalt der Daten mit Pandas 'profile_report () an.

import pandas_profiling
train_data.profile_report()

Ergebnisse

3. Datenvorverarbeitung

Verwenden Sie setup (), um die Daten vorzuverarbeiten. Geben Sie zu diesem Zeitpunkt die Zielvariable als Argument überlebt an.

from pycaret.classification import *
exp_titanic = setup(data = train_data, target = 'Survived')

Ergebnis (bis zu 10 Artikel)

4. Modellvergleich

Verwenden Sie compare_models (), um den Datensatz mithilfe mehrerer Klassifizierungsmodelle zu analysieren und die Ergebnisse in einer Tabelle zusammenzufassen. Dies ist eine sehr nützliche Funktion, wenn Sie überlegen, welches Klassifizierungsmodell verwendet werden soll.

Es gibt mehr als 10 von Pycaret bereitgestellte Klassifizierungsmodelle, die unter den folgenden Links bestätigt werden können.

https://pycaret.org/classification/

compare_models()

Die Genauigkeit des catBoost-Klassifikators betrug 83,63%. Dieses Mal werden wir über die Leistungsbewertung von PyCaret mit dem 9. Platz Random Forest Classifier sprechen.

Ergebnis

5. Erstellung eines analytischen Modells

Wählen Sie ein Klassifizierungsmodell aus und modellieren Sie es. Verwenden Sie create_model (). Dieses Mal verwenden wir das Random Forest Classifier-Modell.

dt = create_model('rf', round=2)

Ergebnis

6. Optimieren des analytischen Modells

Sie können das Modell auch mit tune_model optimieren.

tuned_rf = tune_model('rf',round=2)

Ergebnis

Die durchschnittliche Genauigkeit vor dem Einstellen betrug 0,80 und die durchschnittliche Genauigkeit nach dem Einstellen betrug 0,81.

7. Visualisierung des analytischen Modells

Visualisieren Sie die Analyseergebnisse mit plot_model.

Zeichnen Sie zunächst die AUC-Kurve.

plot_model(tuned_rf, plot = 'auc')

Ergebnis

!

Zeichnen Sie dann die Verwirrungsmatrix.

plot_model(tuned_lightgbm, plot = 'confusion_matrix')

Ergebnis

!

8. Bewertung des analytischen Modells

Mit evalu_model () können mehrere Auswertungen gleichzeitig durchgeführt werden.

evaluate_model(tuned_rf)

Wenn Sie die Taste im gelben Rahmen drücken, wird jedes Bewertungsergebnis angezeigt.

Ergebnis

!

9. Prognose

Machen Sie nach dem Finalisieren des Modells mit finalize_model () eine Vorhersage mit Predict_model (). Zum Zeitpunkt der Vorhersage werden Testdaten (hier test.csv) verwendet.

final_rf = finalize_model(tuned_rf)
data_unseen = pd.read_csv('test.csv')
result = predict_model(final_rf, data = data_unseen)

Die Spalte Beschriftung repräsentiert das Ergebnis der Vorhersage.

Ergebnis

!

Ich habe dieses Ergebnis auf Kaggle hochgeladen. Die Punktzahl betrug 0,76076.

10. Zusammenfassung

1. Unter Verwendung des Titanic-Überlebensvorhersagedatensatzes führten wir eine Analyse mit PyCaret durch.
2. Sehr einfach zu bedienen. Ich denke, dass es eine hohe Analysefunktion hat, die mit den kommerziellen Analysetools Alteryx und DataRobot vergleichbar ist.

10.1 Liste der zur Analyse verwendeten Pycaret-Funktionen

1. Datenvorverarbeitung: setup ()
2. Modelle vergleichen: compare_models ()
3. Generieren Sie ein analytisches Modell: create_model ()
4. Tuning: tune_model ()
5. Visualisierung: plot_model ()
6. Auswertung: evalu_model ()
7. Vorhersage: finalize_model (), Predict_model ()

11. Referenzen

1.PyCaret Home Page , http://www.pycaret.org/ 2.PyCaret Classification, https://pycaret.org/classification/ 3. Ich habe versucht, PyCaret mit der schnellsten Geschwindigkeit zu verwenden: https://qiita.com/s_fukuzawa/items/5dd40a008dac76595eea 4. Ich habe versucht, die Qualität des Weins mit PyCaret zu klassifizieren. Https://qiita.com/kotai2003/items/c8fa7e55230d0fa0cc8e