PyCaret 3.0

一个开源的、低代码的 Python 机器学习库

PyCaret 是一个开源的、低代码的 Python 机器学习库，可自动化机器学习工作流程。它是一个端到端的机器学习和模型管理工具，可显著加速实验周期，提高生产力。

与其他开源机器学习库相比，PyCaret 是一个替代性的低代码库，只需少量代码即可替代数百行代码。这使得实验速度显著提高，效率更高。PyCaret 本质上是 scikit-learn、XGBoost、LightGBM、CatBoost、spaCy、Optuna、Hyperopt、Ray 等多个机器学习库和框架的 Python 封装。

PyCaret 的设计和简洁性受到 Gartner 首次提出的“公民数据科学家”这一新兴角色的启发。公民数据科学家是能够执行以前需要更多技术专业知识才能完成的简单和中等复杂分析任务的“高级用户”。

快速链接

学习 PyCaret

文档

重要链接

特性

PyCaret 是一个开源的、低代码的 Python 机器学习库，旨在缩短机器学习实验中的假设到洞察周期时间。它使数据科学家能够快速高效地执行端到端实验。与其他开源机器学习库相比，PyCaret 是一个替代性的低代码库，只需少量代码即可执行复杂的机器学习任务。PyCaret 简单易用。

PyCaret 赋能公民数据科学家

PyCaret 的设计和简洁性受到 Gartner 首次提出的“公民数据科学家”这一新兴角色的启发。公民数据科学家是能够执行以前需要更多专业知识才能完成的简单和中等复杂分析任务的“高级用户”。经验丰富的数据科学家通常难以找到且雇用成本高昂，但公民数据科学家是弥合这一差距并解决商业环境中的数据科学挑战的有效途径。

PyCaret 部署能力

PyCaret 是一个支持部署的 Python 库，这意味着机器学习实验中执行的所有步骤都可以使用可重现且适用于生产环境的管道进行重现。管道可以保存为可在不同环境中传输的二进制文件格式。

PyCaret 与 BI 无缝集成

PyCaret 及其机器学习能力与支持 Python 的环境无缝集成，例如 Microsoft Power BI、Tableau、Alteryx 和 KNIME 等。这为这些 BI 平台的用户提供了巨大能力，他们现在可以轻松地将 PyCaret 集成到其现有工作流程中，并添加一个机器学习层。

PyCaret 是以下用户的理想选择：

希望提高生产力的经验丰富的数据科学家。
偏爱低代码机器学习解决方案的公民数据科学家。
希望快速构建原型的专业数据科学家。
数据科学和机器学习学生及爱好者。

PyCaret 概览

回归

函数式 API

面向对象 API

时间序列

函数式 API

面向对象 API

聚类

函数式 API

面向对象 API

异常检测

函数式 API

面向对象 API

核心团队

贡献者

获取帮助

引用

@Manual {PyCaret, 
    title = {PyCaret: An open source, low-code machine learning library in Python}, 
    author = {Moez Ali}, 
    year = {2020}, 
    month = {April}, 
    note = {PyCaret version 1.0}, 
    url = {https://www.pycaret.org
    }

支持我们

帮助我们传播信息。我们乐于听到成功故事和使用案例。

下一页安装

最后更新于 2 年前

这篇文章有帮助吗？

PyCaret 3.0

快速链接