[autoML][python][mljar] automated machine learning Part3 : interpretation reportUsing Visual Studio Code

이전글 참고

- Part1

[python][mljar] automated machine learning - Part2 : mljar

---

- Part2

[autoML][python][mljar] automated machine learning - Part2 : mljar.version2

---

1. mljar

https://mljar.com/

MLJAR - Outstanding Data Science Tools

- AutoML framework

- 지속적인 업데이트로 아주 쓸만한 프레임워크

- 거의 모든 ML 관련 업무 처리에 용이함

---

2. install

pip install mljar-supervised

---

3. data and modeling

- titanic.csv

datasets/titanic.csv at master · datasciencedojo/datasets

 

import pandas as pd
from supervised.automl import AutoML

# 데이터 로드
df = pd.read_csv('titanic.csv')

# AutoML 객체 생성
automl = AutoML(mode="Explain", total_time_limit=3600)

# 모델 학습
automl.fit(X=df.drop(columns=["Survived"]), y=df["Survived"])

 

- output

- 여러가지 설정에 따라 다른 결과들이 출력됨

- 가장 간단한 튜토리얼임

---

4. interpretation 

- VS Code와 호환이 좋다.

- model fit이 끝나면 설정해놓은 디렉토리가 생성되고 결과를 볼 수 있다.

- README.md 에 전체적인 요약이 있다.

---

---

- Best model의 README.md 로 이동하면 모델에 대한 요약이 있다.

---

5. 결론

- mljar & VS Code를 적절히 잘 활용하면 많은 양의 ML 관련 TASK를 쉽게 관리하며 피드백 할 수 있다.
- 얼마 전까지만 해도 일단 초안잡는 역할이었지만 현재는 성능 자체도 우수하게 뽑히는 경우도 있어 ML modeling 전주기를 관리하는 프레임워크로 유용하게 사용된다.