iobjectspy.ml.analyst package¶
Module contents¶
-
class
iobjectspy.ml.analyst.TabularDataPreparation¶ 基类：
object表格数据准备流程入口
-
static
create_training_data(input_data, label_class_field, output_path, output_name, training_data_format, **kwargs)¶ 表格数据创建训练数据集
参数: - input_data -- 输入数据路径，暂时只支持csv
- label_class_field -- 数据标签所在列名
- output_path -- 输出路径
- output_name -- 输出文件名
- training_data_format -- 要制作的训练数据格式
- kwargs -- 其他附加参数
返回:
-
static
-
class
iobjectspy.ml.analyst.TabularTrainer(train_data_path, config, lr, output_model_path, output_model_name, model_kwargs=None, **kwargs)¶ 基类：
object表格数据训练入口
参数: - train_data_path -- 训练数据路径
- config -- 训练配置文件
- lr -- 学习率
- output_model_path -- 输出模型路径
- output_model_name -- 输出模型名字
- model_kwargs -- 模型附加参数
- kwargs -- 其他参数
-
cls_train()¶ 表格数据分类模型训练功能
生成模型将存储在输入的 ‘output_model_path’ 路径下
返回: None
-
class
iobjectspy.ml.analyst.TabularInference(model_path, **kwargs)¶ 基类：
object表格数据模型推理初始化入口
参数: model_path (str) -- 模型存储路径 -
cls_infer(input_data, out_data, out_dataset_name=None, **kwargs)¶ 表格数据模型推理功能入口
参数: - input_data -- 输入数据路径，暂时只支持csv
- out_data -- 输出数据路径，暂时只支持csv
- out_dataset_name -- 输出文件名
- kwargs -- 其他参数
返回: （预测结果 ，输出数据路径）
-
-
class
iobjectspy.ml.analyst.AutoMLTabularDataPreparation¶ 基类：
object表格数据准备流程入口
-
static
create_training_data(input_data, label_class_field, output_path, output_name, training_data_format, **kwargs)¶ 表格数据创建训练数据集
参数: - input_data -- 输入数据路径，暂时只支持csv
- label_class_field -- 数据标签所在列名
- output_path -- 输出路径
- output_name -- 输出文件名
- training_data_format -- 要制作的训练数据格式
- kwargs -- 其他附加参数
返回:
-
static
-
class
iobjectspy.ml.analyst.AutoMLTabularTrainer(output_model_path, output_model_name, config=None, mode='Explain', algorithms=None, total_time_limit=3600, eval_metric='auto')¶ 基类：
object表格数据训练入口
参数: - output_model_path -- 输出模型路径
- output_model_name -- 输出模型名字
- :param mode:工作模式, 支持："Explain`, Perform, Compete
- Explain 模式，解释和理解数据的理想选择，它具有许多数据解释，例如决策树可视化，线性模型系数显示，排列重要性和数据的 SHAP 解释。具有学习曲线，重要性图和 SHAP 图 Perform 模式，用于构建用于生产的 ML 管道。具有学习曲线和重要性图 Compete 模式，用于训练经过整合和堆叠的高度优化的 ML 模型，目的是用于 ML 竞赛。具有学习曲线
:type str :param algorithms:训练使用的算法列表。支持：'Decision Tree', 'Baseline', 'Linear', 'Random Forest', 'Extra Trees',
'LightGBM', 'Xgboost', 'CatBoost', 'Neural Network', 'Nearest Neighbors':type list[str] :param total_time_limit:训练时的总时间限制，时间单位为秒。 :type int :param eval_metric: 比较模型的指标。不同的分析方法计算一个统一的评估指标，比较优劣。支持：auto，logloss，rmse
auto：自动根据分类或回归模型选择 logloss 或 rmse logloss：分类评估指标 rmse：回归评估指标:type list :param config: 训练配置文件
-
score()¶ 最优模型得分 :returns 当为回归模型时，输出R2，当为分类模型时，输出 Accuracy 。
-
train(train_data_path)¶ 模型训练
参数: train_data_path -- 训练数据路径 返回: None 生成模型将存储在输入的 ‘output_model_path’ 路径下