江苏龙网

  1. 首页 > 人文 > >

低代码的器学习工具( 三 )


Fastai与Pytorch一起使用 ， 因此您需要先安装这两个库 ， 然后才能使用它 。
pip install pytorch
pip install fastai
fastai库具有用于处理结构化数据和非结构化数据（例如文本或图像）的模块 。在本教程中 ， 我们将使用fastai.tabular.all模块来解决我们之前使用的葡萄酒数据集的分类任务 。
类似于PyCaret ， fastai将通过嵌入层对非数字数据类型执行预处理 。为了准备数据 ， 我们使用TabularDataLoaders帮助器函数 。在这里 ， 我们具体说明了数据框的名称 ， 列的数据类型以及我们要模型执行的预处理步骤 。
要训练神经网络 ， 我们只需使用tabular_learner（）函数 ， 如下所示 。
dl = TabularDataLoaders.from_df(data, y_names="type",cat_names = ['quality'],cont_names = ['fixed acidity', 'volatile acidity','citric acid', 'residual sugar','chlorides', 'free sulfur dioxide','total sulfur dioxide', 'density','pH', 'sulphates', 'alcohol'],procs = [Categorify, FillMissing, Normalize])运行此代码后 ， 将显示性能指标 。
低代码的器学习工具文章插图
> Image by Author.
要使用模型进行预测 ， 您可以简单地使用learning.predict（df.iloc [0]） 。
探索fastai库的更多信息 ， 请参见此处的文档 。
谢谢阅读！
(本文翻译自Rebecca Vickery的文章《Low Effort Machine Learning Tools》 ， 参考：)


推荐阅读


上一篇：为什么 Redis 单线程能支撑高并发？

下一篇：小程序商城哪家做的比较好？商城小程序哪家公司做得好？