PyCaret使ってみる

Last updated at 2021-12-14Posted at 2021-12-14

MYJLabアドベントカレンダー15日目の記事です
昨日は@Kuroi_CcのVS Codeしか勝たんでした。
ブレークポイントや拡張機能について紹介してくれました😊

今日の記事はPyCaretについて書きたいと思います。

PyCaretとは

PyCaretはオープンソースの機械学習ライブラリです。データの前処理やモデルの比較を自動で行ってくれます。自分でパラメータを設定することもできます。公式サイトはここから。

結論から言うとデータの前処理から予測結果までのコードはこんな感じです

pycaret.ipynb

from pycaret.regression import *
from pycaret.datasets import get_data

traffic = get_data("traffic")
exp = setup(traffic, target='traffic_volume')
model = create_model(lgmb)
predict_model(model)

環境

GoogleColaboratory

やること

trafficデータを使ってtraffic_volumeの予測をしてみたいと思います

インストール

以下のコードでインストールします

pycaret.ipynb

!pip install pycaret

PyCaretをインポート

pycaret.ipynb

from pycaret.regression import *

回帰を行うのでregressionにしています。
分類の場合はclassification、クラスタリングの場合はclusteringとやるとできます。

2行目ではデータセットを取得しています。データセットはPyCaret's Data Repositoryから確認できます。

データセットを取得

pycaret.ipynb

from pycaret.datasets import get_data
traffic = get_data("traffic")

データの中身を見てみます

カラム数は8個
降水量や天候、ラッシュの時間などがあります

holiday
temp
rain_1h
snow_1h
clouds_all
weather_main
Rush Hour
traffic_volume

データの前処理

pycaret.ipynb

exp = setup(traffic, target='traffic_volume')

前処理はsetupを使います。データセットと目的変数を設定します

データはtraffic
目的変数はtraffic_volume
データ分割はデフォルトで訓練データは0.7、テストデータ0.3になっています

他に設定できる値は以下です

data: pd.DataFrame, 
target: str, 
train_size: float=0.7, 
test_data: Optional[pd.DataFrame]=None, 
preprocess: bool=True, 
imputation_type: str='simple', 
iterative_imputation_iters: int=5, 
categorical_features: Optional[List[str]]=None, categorical_imputation: str='constant', categorical_iterative_imputer: Union[str, Any]='lightgbm',
ordinal_features: Optional[Dict[str, list]]=None, high_cardinality_features: Optional[List[str]]=None, high_cardinality_method: str='frequency', 
numeric_features: Optional[List[str]]=None, numeric_imputation: str='mean',
numeric_iterative_imputer: Union[str, Any]='lightgbm', 
date_features: Optional[List[str]]=None, 
ignore_features: Optional[List[str]]=None, 
normalize: bool=False, 
normalize_method: str='zscore', 
transformation: bool=False, 
transformation_method: str='yeo-johnson', handle_unknown_categorical: bool=True, unknown_categorical_method: str='least_frequent', 
pca: bool=False, 
pca_method: str='linear', 
pca_components: Optional[float]=None, 
ignore_low_variance: bool=False, 
combine_rare_levels: bool=False, 
rare_level_threshold: float=0.1, 
bin_numeric_features: Optional[List[str]]=None, remove_outliers: bool=False, 
outliers_threshold: float=0.05, 
remove_multicollinearity: bool=False, multicollinearity_threshold: float=0.9, remove_perfect_collinearity: bool=True, 
create_clusters: bool=False, 
cluster_iter: int=20, 
polynomial_features: bool=False, 
polynomial_degree: int=2, 
trigonometry_features: bool=False, 
polynomial_threshold: float=0.1, 
group_features: Optional[List[str]]=None, 
group_names: Optional[List[str]]=None, 
feature_selection: bool=False, 
feature_selection_threshold: float=0.8, feature_selection_method: str='classic', feature_interaction: bool=False, 
feature_ratio: bool=False, 
interaction_threshold: float=0.01, 
transform_target: bool=False, 
transform_target_method: str='box-cox', 
data_split_shuffle: bool=True, 
data_split_stratify: Union[bool, 
List[str]]=False, 
fold_strategy: Union[str, Any]='kfold', 
fold: int=10, 
fold_shuffle: bool=False, 
fold_groups: Optional[Union[str, pd.DataFrame]]=None, n_jobs: Optional[int]=-1, 
use_gpu: bool=False, 
custom_pipeline: Union[Any, Tuple[str, Any], List[Any], ListTuple[str, Any]]]=None, 
html: bool=True, 
session_id: Optional[int]=None, 
log_experiment: bool=False, 
experiment_name: Optional[str]=None, 
log_plots: Union[bool, list]=False, 
log_profile: bool=False, 
log_data: bool=False, 
silent: bool=False, 
verbose: bool=True, 
profile: bool=False, 
profile_kwargs: Dict[str, Any]=None

前処理の設定ができたら実行します。するとデータタイプの確認画面が表示されるので、確認をしてEnterキーを押します