PyCaret是一个开源、低代码Python机器学习库，能够自动化机器学习工作流程。它是一个端到端的机器学习和模型管理工具，极大地加快了实验周期，提高了工作效率。PyCaret本质上是围绕几个机器学习库和框架（如scikit-learn、XGBoost、LightGBM、CatBoost、spaCy、Optuna、Hyperopt、Ray等）的Python包装器，与其他开源机器学习库相比，PyCa

✅作者简介：人工智能专业本科在读，喜欢计算机与编程，写博客记录自己的学习历程。 🍎个人主页：小嗷犬的个人主页 🍊个人网站：小嗷犬的技术小站 🥭个人信条：为天地立心，为生民立命，为往圣继绝学，为万世开太平。 本文目录 PyCaret 简介PyCaret 实践安装 PyCaret使用 PyCaret 进行分类任务使用 PyCaret 进行回归任务 PyCa

本文系数据挖掘实战系列文章，我跟大家分享一个数据挖掘实战，与以往的数据实战不同的是，用自动机器学习方法完成模型构建与调优部分工作，深入理解由此带来的便利与效果。 1. Introduction 本文是一篇数据挖掘实战案例，详细探索了从台湾经济杂志收集的1999年到2009年的数据，看看在数据探索过程中，可以洞察出哪些有用的信息，判断哪一个模型能够最准确地预测公司是否破产。 公司破产的定

工具系列:PyCaret介绍_模型训练详细教程 PyCaret初始化 setup任务：自动推断数据类型 必需参数默认转换实验记录模型验证GPU支持示例 PyCaret模型训练 compare_models 示例更改排序顺序只比较几个模型返回多个模型设置预算时间设置概率阈值禁用交叉验证在集群上进行分布式训练 create_model 示例更改折叠参数模型库带有自定义参数的模型访问评分表格禁用

工具系列：PyCaret介绍_用外生变量单变量时间序列预测 在这组笔记本中，我们将介绍使用外生变量进行建模。我们的行动计划如下： 对数据集进行探索性数据分析，以提取关于生成时间序列的过程的有价值的见解。 构建一个基准模型（不包含外生变量的单变量模型）用于基准测试。 构建一个包含所有外生变量的单变量模型，以检查最佳性能。 评估带有外生变量的模型，并讨论任何潜在问题。 克服上述识别出的问

Python数据挖掘与文本分析＆Stata应用能力提升与实证前沿云特训 学习数据科学很久了，从数据探索、数据预处理、数据模型搭建和部署这些过程一直有些重复性的工作比较浪费时间，尤其当你有个新的想法想要快速尝试下效果的时候，效率很低。 东哥最近发现一个开源的Python机器学习库，名字叫PyCaret，这个轮子正好可以为了解决我刚才所描述的困扰，它的特点是以low-code低代码量来快速解决从数据