# functional API
plot_model(kmeans, plot = 'elbow')
# OOP API
s.plot_model(kmeans, plot = 'elbow')
# functional API
plot_model(kmeans, plot = 'silhouette')
# OOP API
s.plot_model(kmeans, plot = 'silhouette')
分配模型
此函数为训练数据分配聚类标签,给定一个已训练的模型。
# functional API
result = assign_model(kmeans)
result.head()
# OOP API
result = s.assign_model(kmeans)
result.head()
预测
此函数使用训练好的模型在新/未见数据集上生成聚类标签。
# functional API
predictions = predict_model(kmeans, data = data)
predictions.head()
# OOP API
predictions = s.predict_model(kmeans, data = data)
predictions.head()
保存模型
# functional API
save_model(kmeans, 'kmeans_pipeline')
# OOP API
s.save_model(kmeans, 'kmeans_pipeline')
将模型加载回环境中
# functional API
loaded_model = load_model('kmeans_pipeline')
print(loaded_model)
# OOP API
loaded_model = s.load_model('kmeans_pipeline')
print(loaded_model)
# load sample dataset
from pycaret.datasets import get_data
data = get_data('anomaly')
PyCaret 3.0 有两种 API。你可以根据自己的偏好选择其中一种。功能和实验结果是一致的。
函数式 API
from pycaret.anomaly import *
s = setup(data, session_id = 123)
面向对象 API
from pycaret.anomaly import AnomalyExperiment
s = AnomalyExperiment()
s.setup(data, session_id = 123)
创建模型
此函数训练一个无监督异常检测模型。可以使用 models 函数访问所有可用模型。
# functional API
iforest = create_model('iforest')
print(iforest)
# OOP API
iforest = s.create_model('iforest')
print(iforest)
# functional API
models()
# OOP API
s.models()
分析模型
# functional API
plot_model(iforest, plot = 'tsne')
# OOP API
s.plot_model(iforest, plot = 'tsne')
# functional API
plot_model(iforest, plot = 'umap')
# OOP API
s.plot_model(iforest, plot = 'umap')
分配模型
此函数为给定模型的数据集分配异常标签。(1 = 异常值,0 = 正常值)。
# functional API
result = assign_model(iforest)
result.head()
# OOP API
result = s.assign_model(iforest)
result.head()
预测
此函数使用训练好的模型在新/未见数据集上生成异常标签。
# functional API
predictions = predict_model(iforest, data = data)
predictions.head()
# OOP API
predictions = s.predict_model(iforest, data = data)
predictions.head()
保存模型
# functional API
save_model(iforest, 'iforest_pipeline')
# OOP API
s.save_model(iforest, 'iforest_pipeline')
将模型加载回环境中
# functional API
loaded_model = load_model('iforest_pipeline')
print(loaded_model)
# OOP API
loaded_model = s.load_model('iforest_pipeline')
print(loaded_model)