自动机器学习 python 等效代码答案

【问题标题】：Auto-Machine-Learning python equivalent code自动机器学习 python 等效代码
【发布时间】：2018-06-12 08:50:45
【问题描述】：

有没有办法从 auto-sklearn 中提取独立 python 脚本中自动生成的机器学习管道？

这是一个使用 auto-sklearn 的示例代码：

import autosklearn.classification
import sklearn.cross_validation
import sklearn.datasets
import sklearn.metrics

digits = sklearn.datasets.load_digits()
X = digits.data
y = digits.target
X_train, X_test, y_train, y_test = sklearn.cross_validation.train_test_split(X, y, random_state=1)

automl = autosklearn.classification.AutoSklearnClassifier()
automl.fit(X_train, y_train)
y_hat = automl.predict(X_test)

print("Accuracy score", sklearn.metrics.accuracy_score(y_test, y_hat))

如果能以某种方式自动生成等效的 Python 代码，那就太好了。

相比之下，使用TPOT我们可以得到独立管道如下：

from tpot import TPOTClassifier
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split

digits = load_digits()
X_train, X_test, y_train, y_test = train_test_split(digits.data, digits.target, train_size=0.75, test_size=0.25)

tpot = TPOTClassifier(generations=5, population_size=20, verbosity=2)
tpot.fit(X_train, y_train)

print(tpot.score(X_test, y_test))

tpot.export('tpot-mnist-pipeline.py')

当检查 tpot-mnist-pipeline.py 时，可以看到整个 ML 管道：

import numpy as np

from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.pipeline import make_pipeline

# NOTE: Make sure that the class is labeled 'class' in the data file
tpot_data = np.recfromcsv('PATH/TO/DATA/FILE', delimiter='COLUMN_SEPARATOR')
features = tpot_data.view((np.float64, len(tpot_data.dtype.names)))
features = np.delete(features, tpot_data.dtype.names.index('class'), axis=1)
training_features, testing_features, training_classes, testing_classes =     train_test_split(features, tpot_data['class'], random_state=42)

exported_pipeline = make_pipeline(
    KNeighborsClassifier(n_neighbors=3, weights="uniform")
)

exported_pipeline.fit(training_features, training_classes)
results = exported_pipeline.predict(testing_features)

上面的示例与 here 上关于自动化有点浅的机器学习的现有帖子有关。

【问题讨论】：

标签： python scikit-learn tpot automl

【解决方案1】：

没有自动化的方法。您可以将对象存储为 pickle 格式并稍后加载。

with open('automl.pkl', 'wb') as output:
    pickle.dump(automl,output)

您可以调试 fit 或 predict 方法，看看发生了什么。

【讨论】：