Руководство по FLAML в Python
FLAML – это библиотека автоматического машинного обучения, созданная Microsoft для быстрого и легкого автоматического машинного обучения. Расшифровывается как Fast and Lightweight AutoML. Если вы никогда не использовали какую-либо библиотеку AutoML в Python для машинного обучения, эта статья для вас. В этой статье я покажу вам как использовать библиотеку FLAML в Python.
FLAML
FLAML означает быстрый и легкий AutoML. Это – библиотека автоматического машинного обучения на Python, созданная Microsoft. Она может помочь специалистам по обработке данных автоматически находить и обучать точные модели машинного обучения для решения задач классификации и регрессии. Вот некоторые из преимуществ использования этой библиотеки для машинного обучения:
- Она может находить и обучать точные модели машинного обучения как для классификации, так и для регрессии с очень небольшими вычислительными ресурсами;
- Разработчики могут выбрать желаемую настраиваемость;
- Позволяет человеку управлять настройкой гиперпараметров;
- Она также поддерживает автоматическую настройку гиперпараметров для онлайн-алгоритмов машинного обучения.
Если вы никогда не использовали библиотеку FLAML в Python, вы можете легко установить ее, используя команду pip в терминале или в командной строке, как указано ниже:
- pip install flaml
- pip install flaml[notebook]
Если вы хотите установить библиотеку AutoML в своей среде Python, вы должны использовать первую команду, а если вы хотите установить ее в записной книжке Jupyter или Google Colab, то должны использовать вторую команду. В следующем разделе я познакомлю вас с руководством по библиотеке FLAML в Python и покажу вам пример.
Руководство по FLAML с использованием Python
Надеюсь, теперь вы поняли что такое библиотека FLAML в Python. Давайте посмотрим на пример использования этой библиотеки AutoML в классификации. Я начну эту задачу с импорта необходимых библиотек Python и набора данных, который нам нужен для этой задачи:
from sklearn.feature_extraction.text import CountVectorizer from flaml import AutoML from sklearn.model_selection import train_test_split import pandas as pd import numpy as np automl = AutoML() data = pd.read_csv("news.csv")
Теперь давайте подготовим данные для соответствия модели и обучим модель классификации с помощью этой библиотеки AutoML:
x = np.array(data["title"]) y = np.array(data["label"]) cv = CountVectorizer() x = cv.fit_transform(x) xtrain, xtest, ytrain, ytest = train_test_split(x, y, test_size=0.2, random_state=42) automl.fit(xtrain, ytrain, task="classification")
Ниже показано, как можно предсказывать, используя обученную модель:
news_headline = "Cow dung can cure Corona Virus" data = cv.transform([news_headline]).toarray() print(automl.predict(data))
Результат:
['FAKE']
Резюме
Вот как вы можете использовать быструю и легкую библиотеку AutoML в Python для обучения точным моделям машинного обучения. Она расшифровывается как Fast and Lightweight AutoML. Это библиотека автоматического машинного обучения на Python, созданная Microsoft. Надеюсь, вам понравилась эта статья о библиотеке FLAML в Python.