AutoGluon-Tabular を使ってみた

feat_1 feat_2 feat_3 feat_4 feat_5 feat_6 feat_7 feat_8 feat_9
0 1 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 1 0
2 0 0 0 0 0 0 0 1 0
3 1 0 0 1 6 1 5 0 0
4 0 0 0 0 0 0 0 0 0

feat_10 ... feat_85 feat_86 feat_87 feat_88 feat_89 feat_90
0 0 ... 1 0 0 0 0 0
1 0 ... 0 0 0 0 0 0
2 0 ... 0 0 0 0 0 0
3 1 ... 0 1 2 0 0 0
4 0 ... 1 0 0 0 0 1

feat_91 feat_92 feat_93 target
0 0 0 0 Class_1
1 0 0 0 Class_1
2 0 0 0 Class_1
3 0 0 0 Class_1
4 0 0 0 Class_1

2．デフォルトでモデルを構築する場合
```R:
label='target'
time_limit=600 #秒単位
predictor = TabularPredictor(label=label).fit(train_data, time_limit=time_limit)

また、leaderboardで訓練を行った各モデルの性能を確認することができます

lboard = predictor.leaderboard()
lboard.sort_values(by='score_val', ascending=False)

今回はアンサンブルモデルがscore_val=0.8312で一番高いという結果になりました。

３．それではテストデータに対して予測して、5行まで見せます

pred_test = predictor.predict(test_data, as_pandas=True)
pred_test.head()

実行結果

0    Class_2
1    Class_6
2    Class_6
3    Class_2
4    Class_9
Name: target, dtype: object

一番気になった機能

マルチモーダルアンサンブル学習（↓のようにテキストデータや画像データを含めて、複数種類のデータを入力し、統合的にモデル構築する）をやりたい場合、ただfit()関数の中に、hyperparametersを'multimodal'に設定すれば簡単に実現できます。

predictor = TabularPredictor(label=label).fit(train_data, hyperparameters='multimodal')

参考になるホームページ
https://aws.amazon.com/cn/blogs/china/machine-learning-with-autogluon-an-open-source-automl-library/