python怎么使用dabl實現數據處理分析及ML自動化

這篇文章主要講解了“python怎么使用dabl實現數據處理分析及ML自動化”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“python怎么使用dabl實現數據處理分析及ML自動化”吧！

dabl

dabl 是一個數據分析基線庫，可以讓機器學習建模更容易，它包括各種特性，我們只需幾行 Python 代碼就可以處理、分析和建模。

安裝

pip install dabl

1、數據預處理

dabl 在幾行 Python 代碼中自動執行數據預處理管道。dabl執行的預處理步驟包括識別缺失值、刪除冗余特征以及理解特征的數據類型以進一步執行特征工程。

dabl檢測到的特征類型列表包括：

continuous

categorical

date

Dirty_float

Low_card_int

free_string

Useless

dabl 使用一行 Python 代碼將所有數據集特征自動歸類為上述數據類型。

df_clean = dabl.clean(df, verbose=1)

原始 Titanic 數據集有12個特征，dabl 會自動將它們分類為上述數據類型，以便進行進一步的特征工程。dabl還提供了根據需求更改任何特性的數據類型的功能。

db_clean = dabl.clean(db, type_hints={"Cabin": "categorical"})

可以使用 detect_types() 函數查看為每個特征分配的數據類型。

2、探索性數據分析

EDA 是數據科學模型開發生命周期的重要組成部分。Seaborn、Matplotlib 等是執行各種分析以更好地理解數據集的可視化庫。dabl 使 EDA 變得非常簡單且節省大量時間。

dabl.plot(df_clean, target_col="Survived")

dabl 中 plot()函數可以通過繪制各種圖來實現可視化，包括：

• 目標分布的條形圖

• 散點對圖

• 線性判別分析

dabl 自動對數據集執行 PCA，并顯示數據集中所有特征的判別 PCA 圖。

3、建模

dabl 在訓練數據上訓練各種基線機器學習算法來加速建模工作流程，并返回性能最佳的模型。dabl 做出簡單的假設并為基線模型生成指標。

可以使用 dabl 中 SimpleClassifier() 函數進行建模,它很快就可以返回最佳模型。

感謝各位的閱讀，以上就是“python怎么使用dabl實現數據處理分析及ML自動化”的內容了，經過本文的學習后，相信大家對python怎么使用dabl實現數據處理分析及ML自動化這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！