تمرين: استخدام AutoGluon
في الدروس السابقة، قمت بتجربة نماذج مختلفة على مجموعتين من البيانات، النبيذ والسكري. الآن، سنسرع هذه العملية باستخدام AutoGluon. في هذا التمرين، ستدرب نموذجين مختلفين باستخدام AutoGluon وتقارن النتائج بالتجارب السابقة.
تحميل مجموعة بيانات النبيذ من scikit-learn.
فلنبداء
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
wine_data = load_wine()
X_wine = wine_data.data
y_wine = wine_data.target
X_train_wine, X_test_wine, y_train_wine, y_test_wine = train_test_split(X_wine, y_wine, test_size=0.20, random_state=42)
إنشاء نموذج AutoGluon للتصنيف:
from autogluon.tabular import TabularPredictor
train_data_wine = pd.DataFrame(X_train_wine, columns=wine_data.feature_names)
train_data_wine['target'] = y_train_wine
predictor_wine = TabularPredictor(label='target').fit(train_data=train_data_wine, time_limit=120, presets='best_quality')
عرض ملخص النموذج وتقييمه:
print(predictor_wine.fit_summary())
performance_wine = predictor_wine.evaluate(pd.DataFrame(X_test_wine, columns=wine_data.feature_names, index=y_test_wine))
predictor_wine.leaderboard(silent=True).plot(kind="bar",x="model",y="score_val")
التمرين الجزء الثاني: نشاء نموذج انحدار AutoGluon
فلنبداء
from sklearn.datasets import load_diabetes
diabetes_data = load_diabetes()
X_diabetes = diabetes_data.data
y_diabetes = diabetes_data.target
X_train_diabetes, X_test_diabetes, y_train_diabetes, y_test_diabetes = train_test_split(X_diabetes, y_diabetes, test_size=0.20, random_state=42)
إنشاء نموذج AutoGluon للانحدار:
train_data_diabetes = pd.DataFrame(X_train_diabetes, columns=diabetes_data.feature_names)
train_data_diabetes['target'] = y_train_diabetes
predictor_diabetes = TabularPredictor(label='target',problem_type="regression",eval_metric='r2').fit(train_data=train_data_diabetes, time_limit=120, presets='best_quality')
عرض ملخص النموذج وتقييمه:
print(predictor_diabetes.fit_summary())
performance_diabetes = predictor_diabetes.evaluate(pd.DataFrame(X_test_diabetes, columns=diabetes_data.feature_names, index=y_test_diabetes))
predictor_diabetes.leaderboard(silent=True).plot(kind="bar",x="model",y="score_val")
بعد إكمال هذه الخطوات، قم بمراجعة الملخصات والأداء لكل من النماذج لترى كيف يقارن كل منهما بالنماذج التي تم تدريبها في التمارين السابقة. استخدم هذه المعلومات لفهم الفوائد التي تقدمها أداة AutoGluon في تسريع وتحسين عمليات التدريب والتقييم للنماذج في مجال التعلم الآلي.
العودة إلي 005 Algorithms and Tools