Implante os modelos principais de aprendizado de máquina usando o TURI CREATE no Linux

Turi Create é uma biblioteca Python criada pela Apple para a fácil implantação de algoritmos abrangentes de aprendizado de máquina e análise de dados. É uma biblioteca de código aberto que permite aos usuários tirar proveito dessa ferramenta poderosa gratuitamente. Ele contém implementações para técnicas de aprendizado supervisionadas e não supervisionadas, que incluem tarefas de classificação, tarefas de regressão, algoritmos de agrupamento, tarefas de detecção de objetos e mais. Ele também permite que os usuários criem algoritmos personalizados de aprendizado de máquina, incorporando os fundamentos do aprendizado principal e da análise de dados.

Apesar de ser fabricado pela Apple, está disponível nas três principais plataformas que incluem Apple, Linux e Windows, o que aumenta ainda mais sua utilidade no mundo de aprender com dados abundantes. A principal vantagem que a Turi Create oferece a seus usuários sobre outras bibliotecas e estruturas de aprendizado de máquina tradicionais e analíticas é que seus usuários podem acessar os algoritmos e modelos de aprendizado pré-construídos e prontos para uso. Pessoas que não são completamente adeptas de conceitos complexos de aprendizado de máquina e análise de dados podem usar essa biblioteca com relativa facilidade e realizar suas tarefas sem uma quantidade significativa de esforço ser colocado para aprender os meandros desses algoritmos. Um dos principais concorrentes desta biblioteca é o Scikit Learn, que é abundantemente usado na maioria das tarefas de aprendizado de máquina, mas é um pouco complexo para aprender e implementar.

O pré -requisito mais importante para começar com o Turi Create é o conhecimento superficial do Python e seus fundamentos de programação. A Turi Create permite que seus usuários trabalhem com diferentes formas de dados, incluindo dados tabulares, dados textuais, gráficos e muito mais. Ao oferecer os tipos de dados personalizados para contêineres que se assemelham a alguns dos tipos de dados mais fortemente usados, como o DataFrames, essa biblioteca torna o armazenamento e o processamento de dados realmente simples e fáceis.

Deve -se notar que o Turi Create está disponível nas seguintes versões do Python: 2.7, 3.5, 3.6, 3.7 e 3.8. Está sendo trabalhado para disponibilizá -lo para versões mais recentes.

Guia de instalação

Para começar com a instalação do Turi Create, você precisa primeiro garantir que está executando uma versão do Python na lista mencionada anteriormente. Se você estiver usando uma versão mais antiga ou mais recente, precisará atualizar ou rebaixar para uma versão diferente para poder executar o Turi Create. Caso contrário, você receberá o seguinte erro se tentar instalá -lo com uma versão diferente do Python, das que são mencionadas:

Como o Turi Create é um pacote de biblioteca Python, ele só pode ser usado através do código Python. É por isso que, para instalá -lo, fazemos uso do gerenciador de pacotes Python chamado "PIP". Você também pode usar o "CONDA" para instalar esta biblioteca se estiver usando a plataforma Anaconda para o seu desenvolvimento do Python. Para os propósitos deste guia de instalação, utilizamos o PIP.

Observação: É sempre uma boa idéia instalar qualquer pacote em um ambiente próprio, para que não cause nenhum erro e seja um problema com os outros pacotes no escopo global do pacote python.

1. Execute o seguinte comando no terminal para instalar o Turi Create com Pip:

$ PIP Instale turicreado

Com isso, o Turi Create deve ser baixado e instalado em sua máquina Linux usando o Pipe Package Manager para Python.

Guia de usuario

Como mencionado anteriormente, como o Turi Create é um pacote Python, ele pode ser usado usando o código Python. Para começar a trabalhar com o Turi Create, criamos um arquivo python (.py) ou um notebook Python (.ipynb).

Começamos importando o Turi Criar em nosso ambiente de trabalho:

Importar turicrado como TC

Agora que importamos o Turi Criar, importamos um conjunto de dados para trabalhar. Isso pode ser qualquer conjunto de dados que atenda aos requisitos para os tipos de dados que Turi criam. Usamos o conjunto de dados ADNI para os pacientes de Alzheimer. Este conjunto de dados é um exemplo clássico de classificação para tarefas de aprendizado supervisionado.

dados = tc.Sframe.read_csv ("./12_months_joint.CSV ")

A palavra -chave SFRAM. Ao carregar os dados em um SFRame de um arquivo de valor separado por vírgula, os dados são armazenados na forma de uma tabela com recursos da tabela como nomes de colunas e registros como linhas.

Agora podemos dividir esses dados nas amostras de treinamento e teste usando o método "random_split" e especificar a porcentagem dos dados que exigimos na amostra de treinamento.

trens_data, test_data = dados.Random_split (0.8)

Agora que os dados são processados ​​nas amostras de treinamento e teste, podemos começar com a implementação de um classificador binário nesses dados para que possamos testar mais tarde e determinar o desempenho do nosso modelo.

binário_classifier = tc.Logistic_classifier.CREATE (TRIN_DATA, Target = 'Cov')

Com isso, o modelo começa a aprender e converge lentamente para a solução mais ótima que é capaz de encontrar. Podemos obter um resumo do modelo e do aprendizado executando o seguinte comando:

binário_classifier.resumo()

Podemos ainda pedir ao modelo que fizemos para prever as saídas dos dados de teste usando o seguinte snippet de código:

Previsões = binário_classifier.prever (test_data)

Podemos comparar os valores previstos com os valores de destino originais no Test_data para descobrir o desempenho deste modelo.

Podemos usar ainda mais outra biblioteca como Matplotlib para criar visualizações de desempenho especializadas, como matrizes de confusão e gráficos.

Conclusão

Com muitas bibliotecas e pacotes de aprendizado de máquina complexos disponíveis para trabalhar, pode se tornar uma tarefa cansativa e exaustiva para implementar os algoritmos de aprendizado facilmente. Bibliotecas como a Sklearn implementam a maioria dos algoritmos inteligentes, mas vêm com uma curva de aprendizado com a qual a maioria das pessoas não se sente confortável. A Turi Create garante a fácil implementação da maioria dessas técnicas de aprendizado sem exercícios de aprendizado abrangentes. Sua implementação algorítmica fácil e a execução ainda mais simples tornam uma biblioteca muito fácil de recomendar quando se trata de aprendizado de máquina e análise. Para novos iniciantes e analistas iniciantes, esta biblioteca é a melhor solução para todas as suas necessidades analíticas.