我成为数据科学家是因为我最喜欢找到解决复杂问题的解决方案，工作的创造性部分以及从数据中获得的见解。诸如清理数据，预处理和调整超参数之类的无聊的事情并没有给我带来什么乐趣，这就是为什么我尝试尽可能自动执行这些任务的原因。
如果您还喜欢将无聊的东西自动化，那么您会喜欢本文中将要介绍的库。
如今，没有人使用Scikit-Learn的线性回归来预测Kaggle竞争中的房价，因为XGboost方法更准确。
但是，XGboost超参数很难调整。它们很多，而机器学习工程师在使用此算法时浪费了很多时间进行调整。好吧，不再了。
介绍Xgboost-AutoTune
我很高兴与您分享由MIT的Sylwia Oliwia开发的Python Xgboost AutoTune库，该库最近已成为我自动XGboost微调的首选。
让我们看一下此气候数据集的示例，我们可以根据温室气体浓度预测温度升高，并评估每种气体的影响。
首先，我们导入数据集并绘制CO2，CH4，N20和合成气的气体浓度：
通过运行，我们可以看到过去140年中所有温室气体的增加情况：
太酷了，现在我们可以导入我提到的Autotuning库，但是以防万一您没有下载存储库，我也会在此处显示代码：
基本上，您只需要记住该自动调整库的主要方法是“ fit_parameters”，只需调用它，它就为找到超参数的最佳值进行了所有艰苦的工作，如下所示：
请注意，我们选择了一种计分方法(在本例中为均方根对数误差RMSLE)，并且初始模型为XGBRegressor，因为这是一个回归问题(另一个选项将是分类问题)。
太酷了，因此我们仅用两行代码构建了最佳的XGboost模型，现在让我们做出预测：
这将输出一个图形，其中包含预测温度与测试集中的实际值的对比：
看起来不错。
现在，如果我们想知道在变暖作用中最重要的气体是什么，我们可以做：
这将返回以下内容：
正如预期的那样，CO2是效果最强的气体，这不足为奇，但是我们可以看到CH4也具有非常重要的作用，最重要的是，这种模型训练起来非常快。
结论
梯度提升是其不涉及深度学习的回归和分类任务中最常用的算法，因为它具有很高的准确性，可解释性和速度。
遗憾的是，尽管Python生态系统提供了XGboost库，但是它没有像Scikit-Learn这样的其他库那么广泛，并且数据科学家必须手动完成调整参数，这会造成很多麻烦。
这就是为什么我认为这个自动调整库是一个需要共享的瑰宝。
我最后的反思是：数据科学家的聘用费用昂贵，而他们的时间最好花在进行非琐碎的工作上。
您能想象一位销售主管打了电话吗?当然那不是他们的工作。
好吧，可悲的是，许多数据科学家都是各行各业的佼佼者，他们的工作通常包括：查找数据，清理数据，摄取数据，决定使用的模型，编码模型，编码脚本以调整模型，部署模型，将模型展示给企业，上帝知道还有什么。
因此，数据科学家拥有的自动化工具越多，她就越能专注于最重要的工作：理解数据并从中获取价值
希望您喜欢这篇文章，它可以帮助您更快地训练模型。
祝您编码愉快!
原文链接：https://towardsdatascience.com/the-coolest-data-science-library-i-found-in-2021-956af253fb2c
