💻安装

在 Python 中安装 PyCaret 的分步指南

选项 1: 通过 PyPi 安装

PyCaret 已在以下 64 位系统上测试并支持：

• Python 3.8, 3.9, 3.10 和 3.11

• Ubuntu 16.04 或更高版本

• Windows 7 或更高版本

您可以使用 Python 的 pip 包管理器安装 PyCaret

pip install pycaret

PyCaret 的默认安装不会自动安装所有可选依赖项。根据用例的不同，您可能需要其中一个或多个额外组件

# install analysis extras
pip install pycaret[analysis]

# models extras
pip install pycaret[models]

# install tuner extras
pip install pycaret[tuner]

# install mlops extras
pip install pycaret[mlops]

# install parallel extras
pip install pycaret[parallel]

# install test extras
pip install pycaret[test]

## 

# install multiple extras together
pip install pycaret[analysis,models]

查看所有可选依赖项。如果您想安装包括所有可选依赖项在内的所有内容

# install full version
pip install pycaret[full]

选项 2: 源码

直接从源代码安装库的开发版本。API 可能不稳定。不建议用于生产环境。

pip install git+https://github.com/pycaret/pycaret.git@master --upgrade

选项 3: Docker

Docker 使用容器创建虚拟环境，将 PyCaret 安装与系统的其余部分隔离开。PyCaret docker 预装了 Jupyter notebook。它可以与主机共享资源（访问目录、使用 GPU、连接互联网等）。PyCaret Docker 镜像始终会针对最新的主要版本进行测试。

# default version
docker run -p 8888:8888 pycaret/slim

# full version
docker run -p 8888:8888 pycaret/full

要了解更多信息，请查看 pycaret/slim 或 pycaret/full 的 Docker 页面。

环境

为了避免与其他软件包发生潜在冲突，强烈建议使用虚拟环境，例如 python3 virtualenv（参见 python3 virtualenv 文档）或 conda 环境。使用隔离环境可以独立于任何先前安装的 Python 包安装特定版本的 pycaret 及其依赖项。

# create a conda environment
conda create --name yourenvname python=3.8

# activate conda environment
conda activate yourenvname

# install pycaret
pip install pycaret

# create notebook kernel
python -m ipykernel install --user --name yourenvname --display-name "display-name"

在 GPU 上训练

要在 GPU 上训练模型，只需在 setup 函数中传递 use_gpu = True。API 的使用没有变化；但是，在某些情况下，必须安装额外的库。以下模型可以在 GPU 上训练：

• Extreme Gradient Boosting

• Catboost

• Light Gradient Boosting Machine 需要 特定的 GPU 安装

• Logistic Regression, Ridge Classifier, Random Forest, K Neighbors Classifier, K Neighbors Regressor, Support Vector Machine, Linear Regression, Ridge Regression, Lasso Regression 需要 cuML >= 0.15

PyCaret 支持 Intel sklearnex

您可以对机器学习算法应用 Intel 优化 并加快您的工作流程。要使用 Intel 优化训练模型，请使用 sklearnex 引擎。API 的使用没有变化，但是需要安装 Intel sklearnex

pip install scikit-learn-intelex