评论
由 Moez Ali，PyCaret 的创始人和作者
PyCaret — 一个开源的低代码 Python 机器学习库
上周我们宣布了 PyCaret 2.0，这是一个开源的低代码 Python 机器学习库，自动化机器学习工作流。它是一个端到端的机器学习和模型管理工具，加快了机器学习实验周期，并帮助数据科学家提高效率和生产力。
在这篇文章中，我们展示了一个逐步教程，讲解如何在 Power BI 中使用 PyCaret 构建自动化机器学习解决方案，从而让数据科学家和分析师可以在他们的仪表板上添加机器学习层，而无需额外的许可或软件成本。PyCaret 是一个开源的免费使用的 Python 库，提供了多种在 Power BI 中工作的功能。
在本文结束时，你将学会如何在 Power BI 中实现以下内容：
-
设置 Python conda 环境并安装 pycaret==2.0。
-
将新创建的 conda 环境与 Power BI 连接起来。
-
在 Power BI 中构建你的第一个 AutoML 解决方案，并在仪表板上展示性能指标。
-
在 Power BI 中生产化/部署你的 AutoML 解决方案。
Power BI 是一个商业分析解决方案，让你能够可视化数据并在组织内部共享见解，或将其嵌入到应用程序或网站中。在本教程中，我们将通过将 PyCaret 库导入 Power BI 来使用 Power BI Desktop 进行机器学习。
自动化机器学习（AutoML）是自动化机器学习中耗时的迭代任务的过程。它允许数据科学家和分析师高效地构建机器学习模型，同时保持模型质量。任何 AutoML 解决方案的最终目标是根据某些性能标准确定最佳模型。
传统的机器学习模型开发过程资源消耗大，需要大量领域知识和时间来生成和比较多个模型。使用自动化机器学习，你可以更轻松、高效地加快获得生产就绪的机器学习模型的时间。
PyCaret 是一个用于监督学习和无监督学习的工作流自动化工具。它分为六个模块，每个模块都有一组函数，用于执行特定操作。每个函数接收输入并返回输出，在大多数情况下是一个训练好的机器学习模型。第二版发布时可用的模块有：
PyCaret 中的所有模块支持数据准备（超过 25 种基本预处理技术，配有大量未训练的模型以及对自定义模型的支持，自动超参数调优，模型分析和可解释性，自动模型选择，实验记录和简单的云部署选项）。
要了解更多关于 PyCaret 的信息，点击这里 阅读我们的官方发布公告。
如果你想开始学习 Python，点击这里 查看示例笔记本的图库。
“PyCaret 通过提供免费的开源低代码机器学习解决方案，正在推动机器学习和高级分析的普及，适用于业务分析师、领域专家、普通数据科学家以及经验丰富的数据科学家。”
如果你是第一次使用 Python，安装 Anaconda Distribution 是开始的最简单方式。 点击这里 下载包含 Python 3.7 或更高版本的 Anaconda Distribution。
www.anaconda.com/products/individual
在我们开始使用 PyCaret 在 Power BI 中的机器学习功能之前，需要创建一个虚拟环境并安装 pycaret。这是一个三步过程：
✅ 步骤 1 — 创建 anaconda 环境
从开始菜单中打开 Anaconda Prompt 并执行以下代码：
conda create --name **myenv** python=3.7
Anaconda Prompt — 创建环境
✅ 步骤 2 — 安装 PyCaret
在 Anaconda Prompt 中执行以下代码：
pip install **pycaret==2.0**安装可能需要 15–20 分钟。如果你遇到安装问题，请查看我们的 GitHub 页面以获取已知问题和解决方案。
✅步骤 3 — 在 Power BI 中设置 Python 目录
创建的虚拟环境必须与 Power BI 关联。这可以通过 Power BI Desktop 中的全局设置完成（文件 → 选项 → 全局 → Python 脚本）。Anaconda 环境默认安装在：
C:\Users\***username***\AppData\Local\Continuum\anaconda3\envs\myenv
文件 → 选项 → 全局 → Python 脚本
一家保险公司希望通过更好地预测患者费用来改善现金流预测，使用住院时的基本人口统计数据和患者健康风险指标。
(数据源)
训练和选择最佳性能的回归模型，该模型根据数据集中其他变量（即年龄、性别、BMI、子女数、吸烟者和地区）预测患者费用。
你可以直接从我们的 GitHub 上加载数据集，方法是：Power BI Desktop → 获取数据 → Web
数据集链接：raw.githubusercontent.com/pycaret/pycaret/master/datasets/insurance.csv
Power BI Desktop → 获取数据 → Web
在 Power Query 中创建一个重复的数据集：
Power Query → 创建一个重复的数据集
在 Power Query 中运行以下代码（转换 → 运行 Python 脚本）：
**# import regression module**
from pycaret.regression import ***# init setup**
reg1 = setup(data=dataset, target = 'charges', silent = True, html = False)**# compare models**
best_model = compare_models()**# finalize best model** best = finalize_model(best_model)**# save best model**
save_model(best, 'c:/users/moezs/best-model-power')**# return the performance metrics df** dataset = pull()
Power Query 中的脚本
前两行代码用于导入相关模块并初始化设置函数。设置函数执行机器学习中所需的几个重要步骤，例如清理缺失值（如果有）、将数据拆分为训练集和测试集、设置交叉验证策略、定义指标、执行特定算法的转换等。
训练多个模型、比较和评估性能指标的魔法函数是compare_models。它根据可以在 compare_models 中定义的‘sort’参数返回最佳模型。默认情况下，它对回归用例使用‘R2’，对分类用例使用‘Accuracy’。
剩下的几行代码用于最终确定通过 compare_models 返回的最佳模型，并将其保存为本地目录中的 pickle 文件。最后一行返回包含训练模型及其性能指标详细信息的数据框。
输出：
Python 脚本的输出
仅用几行代码我们就训练了超过 20 个模型，表格展示了基于 10 折交叉验证的性能指标。
表现最佳的模型梯度提升回归器将与整个转换管道一起作为 pickle 文件保存在你的本地目录中。此文件稍后可以用来对新的数据集生成预测（见下方步骤 3）。
转换管道和模型保存为 pickle 文件
PyCaret 基于模块化自动化的理念。因此，如果你有更多的资源和时间用于训练，你可以扩展脚本以进行超参数调整、集成和其他可用建模技术。请参见以下示例：
**# import regression module**
from pycaret.regression import ***# init setup**
reg1 = setup(data=dataset, target = 'charges', silent = True, html = False)**# compare models**
top5 = compare_models(n_select = 5)
results = pull()**# tune top5 models** tuned_top5 = [tune_model(i) for i in top5]**# select best model** best = automl()**# save best model**
save_model(best, 'c:/users/moezs/best-model-power')**# return the performance metrics df** dataset = results我们现在返回了前 5 个模型，而不是仅返回表现最好的一个模型。然后，我们创建了一个列表推导（循环）来调整前候选模型的超参数，最后automl 函数选择了表现最好的单一模型，该模型然后被保存为 pickle 文件（注意，我们这次没有使用finalize_model，因为 automl 函数返回的是最终模型）。
示例仪表板已创建。PBIX 文件已上传到这里。
使用 PyCaret AutoML 结果创建的仪表板
一旦我们将最终模型保存为 pickle 文件，我们可以使用它对新的数据集进行费用预测。
为了演示目的，我们将再次加载相同的数据集并从数据集中删除‘charges’列。请在 Power Query 中执行以下 Python 脚本以获取预测：
**# load functions from regression module**
from pycaret.regression import load_model, predict_model**# load model in a variable** model = load_model(‘c:/users/moezs/best-model-powerbi’)**# predict charges** dataset = predict_model(model, data=dataset)输出：
predict_model 函数在 Power Query 中的输出
当你将包含 Python 脚本的 Power BI 报告发布到服务时，这些脚本也会在通过本地数据网关刷新数据时执行。
为了实现这一点，你必须确保安装了包含依赖 Python 包的 Python 运行时在托管个人网关的机器上。请注意，共享的本地数据网关不支持 Python 脚本执行。点击这里以了解更多信息。
本教程中使用的 PBIX 文件已上传到这个 GitHub 仓库：github.com/pycaret/pycaret-powerbi-automl
如果你想了解更多关于 PyCaret 2.0 的信息，请阅读这个公告。
如果你之前使用过 PyCaret，你可能会对当前版本的发行说明感兴趣。
使用这个轻量级的工作流自动化库在 Python 中，你可以实现无数目标。如果你觉得这个很有用，请不要忘记在我们的 GitHub 仓库上给我们⭐️。
想了解更多 PyCaret 信息，请关注我们的LinkedIn和Youtube。
在 Power BI 中使用 PyCaret 构建你的第一个异常检测器
点击下面的链接查看文档和工作示例。
简介: Moez Ali 是一名数据科学家，同时也是 PyCaret 的创始人和作者。
原文。经许可转载。
相关：
-
Github 是你将来需要的最佳 AutoML
-
你不知道的 PyCaret 的 5 件事
-
使用 Docker 容器将机器学习管道部署到云端
1. 谷歌网络安全证书 - 快速进入网络安全职业轨道。
2. 谷歌数据分析专业证书 - 提升你的数据分析水平
3. 谷歌 IT 支持专业证书 - 支持你的组织的 IT 工作