機器學習涉及資料分析、清洗、建模、評價、對比模型……無論是初學者，還是有經驗的開發者在面對新的專案時，都想要簡化這些工作，最好能用簡單的**、較短時間，就能得出初步驗證結果，之後再進一步優化。
希望能用乙個簡單的資料檔案，幾行通用的python語句，就能實現分析、建模和部署。pycaret就是這樣的工具：雖然沒有太多創新演算法，但極大地簡化了工作流程。這也讓機器學習的門檻越來越低。
pycaret是python開發的機器學習庫，它封裝了sklearn，xgboost，lightgbm，spacy，shap，pyod，gensim，wordcloud等工具，幾乎包括機器學習所有的使用場景和方法（不含深度學習）：異常檢測anomaly detection，關聯規則association rules，分類classification，回歸regression，聚類clustering，自然語言處理nlp等。其中支援最豐富的還是分類和回歸。
pycaret遮蔽了具體使用細節，比如各種庫在建模，繪圖，特徵排序的不同呼叫方法。向外提供端到端（end-to-end）的統一開發工具，減少了學習成本，讓不熟悉程式設計的其它領域人士，也能快速建模，而無需關注各種api的使用細節；同時也幫助專業人士更加高效地工作。
原始碼的tutorials目錄下有針對聚類分類等典型問題各種級別的入門示例，除了普通建模以外，還有整合模型、做圖分析等功能。目前2.2k github star，並一直在不斷更新。因為在快速開發迭代過程中，有些文件和當前**有一些對不上。內容結構雖然還不是特別嚴謹，但重點是確實能解決問題。即使不使用pycaret，也可以從例程中學習到常用機器學習庫的使用方法。
原始碼中提供dockerfile，用於建立包含pycaret的docker映象，不過pycaret相對比較簡單，推薦在環境中用命令直接安裝。
$ pip install pycaret其核心**在專案的pycaret目錄中，目前包括：
anomaly.py 異常值檢測（無監督） arules.py 關聯規則（無監督）
classification.py 分類（有監督）
clustering.py 聚類（無監督）
datasets.py 資料載入（輔助工具）
nlp.py 自然語言處理（無監督）
preprocess.py 預處理（輔助工具，被其它模組內部呼叫）
regression.py 回歸（有監督）
基本流程一般包含：讀取資料->建模/對比模型->模型**->繪圖分析->模型匯出。包括以下常用方法：
get_data() 讀資料，例程中多為讀取示例資料，使用者可以使用自己的資料代替。
setup() 預處理，各種建模方法（如分類/聚類）根據自己的特點實現了不同的setup，其中幾乎都包含對預處理模組的呼叫。
models() 列出當前建模方法支援的所有模型。
compare_models() 訓練多個模型，並對比其效果。
create_model() 訓練模型。
predict_model() 使用模型**。
plot_model() 顯示模型相關的各種分析圖，如auc曲線，學習曲線，還包含詞雲圖等。
tune_model() 模型調參。
assign_model() 檢視無監督模型打標籤的情況。
evaluate_model() 評價模型。
deploy_model() 雲端部署。
ensemble_model() 整合模型。
finalize_model() 匯出最終模型和引數。
下例介紹用回歸模型**波士頓房價。
from pycaret.datasets import get_data
from pycaret.regression import * # 使用回歸方法
boston = get_data('boston') # 讀取資料
reg1 = setup(data = boston, target = 'medv') # 資料分析和預處理，指定目標變數medv
models() # 列出可用的建模方法best = compare_models(include = ['dt','rf','xgboost']) # 對比決策樹、隨機森林、xgboost方法model = create_model('xgboost') # 構建xgboost模型 plot_model(xgboost, plot='learning') # 繪製學習曲線interpret_model(xgboost) # shap 特徵重要性分析機器學習工具彙總
從機器學習談起 介紹工具是機器學習的重要組成部分，選擇合適的工具與使用最好的演算法同等重要。在這篇文章中，你將會見識到各種機器學習工具。了解它們為什麼重要，以及可供選擇的工具型別。機器學習工具使得應用機器學習更快，更簡單，更有趣。你不希望為學習 使用機器學習工具而學習 使用機器學習工具。必須有目的地...
機器學習工具彙總
在這篇文章中，你將會見識到各種機器學習工具。了解它們為什麼重要，以及可供選擇的工具型別。機器學習工具使得應用機器學習更快，更簡單，更有趣。你不希望為學習 使用機器學習工具而學習 使用機器學習工具。必須有目的地使用工具。機器學習工具可以讓你在機器學習專案中交付結果。當你試圖決定是否要學習新工具或是新功...
機器學習模型 知乎 機器學習 建模高階指南 （一）
歡迎來到vitu中級機器學習微課程！解決實際資料集中常見的資料型別 缺失值，分類變數 設計pipelines以提高機器學習 的質量，使用先進的技術進行模型驗證 交叉驗證 建立最先進的模型 xgboost 和 避免常見和重要的資料科學錯誤 洩漏leakage 在此過程中，您將通過每個新主題的實際資料的...