具有PyCaret，BigQueryML和fastai的低代碼AI

> Photo by Kasya Shahovskaya on Unsplash

機(jī)器學(xué)習(xí)有潛力幫助解決企業(yè)和整個(gè)世界范圍內(nèi)的各種問(wèn)題。 通常，要開(kāi)發(fā)機(jī)器學(xué)習(xí)模型并將該模型部署到可以在操作上使用的狀態(tài)，需要對(duì)編程有深入的了解，并且需要充分了解其背后的算法。

這將機(jī)器學(xué)習(xí)的使用限制在一小部分人中，因此也限制了可以解決的問(wèn)題數(shù)量。

幸運(yùn)的是，在過(guò)去的幾年中，涌現(xiàn)了許多庫(kù)和工具，這些庫(kù)和工具減少了模型開(kāi)發(fā)所需的代碼量，或者在某些情況下完全消除了代碼開(kāi)發(fā)。 這為非數(shù)據(jù)科學(xué)家（如分析師）發(fā)揮了利用機(jī)器學(xué)習(xí)功能的潛力，并允許數(shù)據(jù)科學(xué)家更快地對(duì)模型進(jìn)行原型制作。

這是一些我最喜歡的用于機(jī)器學(xué)習(xí)的低代碼工具。

PyCaret

PyCaret是Python的包裝器，用于流行的機(jī)器學(xué)習(xí)庫(kù)，例如Scikit-learn和XGBoost。 它使僅需幾行代碼就能將模型開(kāi)發(fā)為可部署狀態(tài)。

可以通過(guò)pip安裝Pycaret。 有關(guān)更詳細(xì)的安裝說(shuō)明，請(qǐng)參閱PyCaret文檔。

pip install pycaret

PyCaret具有公共數(shù)據(jù)集的存儲(chǔ)庫(kù)，可以使用pycaret.datasets模塊直接安裝。 完整列表可在此處找到，但出于本教程的目的，我們將使用一個(gè)非常簡(jiǎn)單的數(shù)據(jù)集來(lái)解決稱為"葡萄酒"數(shù)據(jù)集的分類任務(wù)。

PyCaret庫(kù)包含一組模塊，用于解決所有常見(jiàn)的機(jī)器學(xué)習(xí)問(wèn)題，其中包括：

· 分類。

· 回歸。

· 聚類。

· 自然語(yǔ)言處理。

· 關(guān)聯(lián)規(guī)則挖掘。

· 異常檢測(cè)。

要?jiǎng)?chuàng)建分類模型，我們需要使用pycaret.classification模塊。 創(chuàng)建模型非常簡(jiǎn)單。 我們只需調(diào)用將Model ID作為參數(shù)的create_model（）函數(shù)即可。 您可以在此處找到支持的型號(hào)及其對(duì)應(yīng)ID的完整列表。 或者，您可以在導(dǎo)入適當(dāng)?shù)哪K后運(yùn)行以下代碼以查看可用模型的列表。

from pycaret.classification import *

models()

> A snapshot of models available for classification. Image by Author.

在調(diào)用create_model（）之前，您首先需要調(diào)用setup（）函數(shù)來(lái)為您的機(jī)器學(xué)習(xí)實(shí)驗(yàn)指定適當(dāng)?shù)膮?shù)。 在這里，您可以指定諸如測(cè)試序列拆分的大小以及是否在實(shí)驗(yàn)中實(shí)施交叉驗(yàn)證之類的內(nèi)容。

from pycaret.classification import *

rf = setup(data = data,

target = 'type',

train_size=0.8)

rf_model = create_model('rf')

create_model（）函數(shù)將自動(dòng)推斷數(shù)據(jù)類型并使用默認(rèn)方法處理這些數(shù)據(jù)類型。 運(yùn)行create_model（）時(shí)，您將收到以下輸出，其中顯示了推斷的數(shù)據(jù)類型。

> Image by Author.

PyCaret將使用一組默認(rèn)的預(yù)處理技術(shù)來(lái)處理諸如分類變量和估算缺失值之類的事情。 但是，如果您需要更定制的數(shù)據(jù)解決方案，則可以在模型設(shè)置中將它們指定為參數(shù)。 在下面的示例中，我更改了numeric_imputation參數(shù)以使用中位數(shù)。

from pycaret.classification import *

rf = setup(data = data,

target = 'type',

numeric_imputation='median')

rf_model = create_model('rf')

對(duì)參數(shù)滿意后，請(qǐng)按Enter鍵，模型將最終確定并顯示性能結(jié)果網(wǎng)格。

> Image by Author.

PyCaret還具有plot_model（）函數(shù)，該函數(shù)顯示模型性能的圖形表示。

plot_model(rf_model)

> Image by Author.

本教程剛剛展示了使用PyCaret庫(kù)進(jìn)行模型訓(xùn)練的基礎(chǔ)。 還有更多功能和模塊可提供完整的低碼機(jī)器學(xué)習(xí)解決方案，包括功能工程，模型調(diào)整，持久性和部署。

BigQuery ML

Google在2018年發(fā)布了一個(gè)名為BigQuery ML的新工具。 BigQuery是Google的云數(shù)據(jù)倉(cāng)庫(kù)解決方案，旨在為數(shù)據(jù)分析師和科學(xué)家提供快速訪問(wèn)大量數(shù)據(jù)的途徑。 BigQuery ML是一種工具，可讓僅使用SQL從BigQuery數(shù)據(jù)倉(cāng)庫(kù)直接開(kāi)發(fā)機(jī)器學(xué)習(xí)模型。

自從發(fā)布以來(lái)，BigQueryML已經(jīng)發(fā)展到可以支持大多數(shù)常見(jiàn)的機(jī)器學(xué)習(xí)任務(wù)，包括分類，回歸和聚類。 您甚至可以導(dǎo)入自己的Tensforflow模型以在工具中使用。

根據(jù)我自己的經(jīng)驗(yàn)，BigQueryML是用于加速模型原型制作的極其有用的工具，并且還可以用作基于生產(chǎn)的系統(tǒng)來(lái)解決簡(jiǎn)單的問(wèn)題。

為了簡(jiǎn)要介紹該工具，我將使用稱為成人收入數(shù)據(jù)集的數(shù)據(jù)集來(lái)說(shuō)明如何在BigQueryML中建立和評(píng)估邏輯回歸分類模型。

該數(shù)據(jù)集可以在UCI機(jī)器學(xué)習(xí)存儲(chǔ)庫(kù)中找到，我正在使用以下Python代碼以CSV文件的形式下載。

url_data = 'https://archive.ics.uci.edu/ml/machine-learning-databases/adult/adult.data'

column_names = ['age', 'workclass', 'fnlwgt', 'education', 'educational-num','marital-status',

'occupation', 'relationship', 'race', 'gender','capital-gain', 'capital-loss',

'hours-per-week', 'native-country','income']

adults_data = pd.read_csv(url_data, names=column_names)

adults_data.to_csv('adults_data.csv')

這是一個(gè)腳本，用于下載數(shù)據(jù)并導(dǎo)出為CSV文件。

如果您還沒(méi)有Google Cloud Platform（GCP）帳戶，則可以在此處創(chuàng)建一個(gè)。 最初注冊(cè)時(shí)，您將獲得$ 300的免費(fèi)信用額度，足以試用以下示例。

進(jìn)入GCP后，從下拉菜單導(dǎo)航至BigQuery網(wǎng)絡(luò)用戶界面。 如果您是第一次使用GCP，則需要?jiǎng)?chuàng)建一個(gè)項(xiàng)目并使用BigQuery進(jìn)行設(shè)置。 Google快速入門指南在此處提供了很好的概述。

我先前下載的CSV文件可以直接上傳到GCP中以創(chuàng)建表格。

> Image by Author.

您可以通過(guò)單擊邊欄中的表名稱并選擇預(yù)覽來(lái)檢查表中的數(shù)據(jù)。 現(xiàn)在，成人的數(shù)據(jù)就是BigQuery中的數(shù)據(jù)。

> Image by Author.

要針對(duì)這些數(shù)據(jù)訓(xùn)練模型，我們只需編寫一個(gè)SQL查詢，該查詢從表中選擇所有內(nèi)容（*），將目標(biāo)變量（收入）重命名為label，并添加邏輯以創(chuàng)建名為" adults_log_reg"的邏輯回歸模型。

有關(guān)所有模型選項(xiàng)，請(qǐng)參見(jiàn)此處的文檔。

CREATE MODEL `mydata.adults_log_reg`

OPTIONS(model_type='logistic_reg') AS

SELECT *,

ad.income AS label

FROM

`mydata.adults_data` ad

如果我們單擊現(xiàn)在將出現(xiàn)在數(shù)據(jù)表旁邊的側(cè)欄中的模型，則可以看到對(duì)訓(xùn)練效果的評(píng)估。

> Image by Author.

現(xiàn)在我們可以使用模型使用ML.PREDICT函數(shù)進(jìn)行預(yù)測(cè)。

Fastai

眾所周知，諸如Tensorflow之類的流行深度學(xué)習(xí)框架具有陡峭的學(xué)習(xí)曲線，對(duì)于初學(xué)者或非數(shù)據(jù)科學(xué)家而言，可能很難起步并運(yùn)行它。 fastai庫(kù)提供了一個(gè)高級(jí)API，使您可以用幾行簡(jiǎn)單的代碼來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

Fastai與Pytorch一起使用，因此您需要先安裝這兩個(gè)庫(kù)，然后才能使用它。

pip install pytorch

pip install fastai

fastai庫(kù)具有用于處理結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)（例如文本或圖像）的模塊。 在本教程中，我們將使用fastai.tabular.all模塊來(lái)解決我們之前使用的葡萄酒數(shù)據(jù)集的分類任務(wù)。

類似于PyCaret，fastai將通過(guò)嵌入層對(duì)非數(shù)字?jǐn)?shù)據(jù)類型執(zhí)行預(yù)處理。 為了準(zhǔn)備數(shù)據(jù)，我們使用TabularDataLoaders幫助器函數(shù)。 在這里，我們具體說(shuō)明了數(shù)據(jù)框的名稱，列的數(shù)據(jù)類型以及我們要模型執(zhí)行的預(yù)處理步驟。

要訓(xùn)練神經(jīng)網(wǎng)絡(luò)，我們只需使用tabular_learner（）函數(shù)，如下所示。

dl = TabularDataLoaders.from_df(data, y_names="type",

cat_names = ['quality'],

cont_names = ['fixed acidity', 'volatile acidity',

'citric acid', 'residual sugar',

'chlorides', 'free sulfur dioxide',

'total sulfur dioxide', 'density',

'pH', 'sulphates', 'alcohol'],

procs = [Categorify, FillMissing, Normalize])

運(yùn)行此代碼后，將顯示性能指標(biāo)。

> Image by Author.

要使用模型進(jìn)行預(yù)測(cè)，您可以簡(jiǎn)單地使用learning.predict（df.iloc [0]）。

探索fastai庫(kù)的更多信息，請(qǐng)參見(jiàn)此處的文檔。

謝謝閱讀！

(本文翻譯自Rebecca Vickery的文章《Low Effort Machine Learning Tools》，參考：https://towardsdatascience.com/low-effort-machine-learning-tools-9622d7d57135)