PyCaretとは

PyCaretは、Pythonで実装されたオープンソースの機械学習ライブラリーで、機械学習の一連の作業を自動化する「AutoML」をサポートしています。他のオープンソースの機械学習ライブラリーで実装すると、数百行を超えるようなコードを、PyCaretでは数行のみに置き換えることができます。これにより、機械学習の実験サイクルを指数関数的にスピードアップし、生産性を向上させることができます。

PyCaretは基本的に、scikit-learn、XGBoost、LightGBM、CatBoost、spaCy、Optuna、Hyperopt、Rayなどのいくつかの機械学習ライブラリーとフレームワークのPythonラッパーです。PyCaretにより、以前であれば多くの専門知識を必要としていた分析タスクが、現在では専門外のユーザーでも実現可能になります。経験豊富なデータサイエンティストを見つけるのは難しく、雇用するのに費用がかかりますが、PyCaretを使いこなせれば、そのギャップを緩和し、ビジネスにおけるデータ関連の課題に効果的に対処できます。

PyCaretの素晴らしさを理解するには動かしてみるとのが一番です。ここでは、PyCaretの関数get_data()で取得可能なデータセット「credit」（※）を使用した二値分類の例を簡単に紹介します。

まず、データセットをロードします。

from pycaret.datasets import get_data
data = get_data('credit')

関数setup()にこのデータセットと目的変数のラベル名を与えると、データ型の推定と変換や欠損値の補填、カテゴリー変数のエンコーディングなどを自動的に行います。

from pycaret.classification import *
setup(data = data, target = 'default', session_id=123)

これにより、データの行数、特徴量の数、訓練データおよびテストデータの件数などが表示されます。

関数compare_models()を呼び出すと、複数のモデルを構築し、それらの精度を比較します。

best_model = compare_models()

この関数は、モデルライブラリー内のすべてのモデルを学習し、メトリック評価のための層化交差検証を使用してそれらをスコアリングします。 出力は、学習時間とともに、精度、AUC、再現率、適合率、F1、Kappa、およびMCCを出力します。ここでは、LDAが最も高い精度を出したので、変数best_modelにはLDAのモデルオブジェクトが代入されます。

ハイパーパラメーターをチューニングするには、関数tune_model()を使用します。

tuned_model = tune_model(best)

この関数は、ランダムグリッドサーチを使用してモデルのハイパーパラメーターを自動的に調整します。出力は、モデルの最高の精度、AUC、再現率、適合率、F1、kappa、およびMCCを出力します。

PyCaretは主要なグラフの表示も簡単にできます。例えば、ROC曲線は以下のようなコードで表示できます。

plot_model(tuned_model, plot = 'auc')

PR曲線は以下のようなコードで表示できます。

plot_model(tuned_model, plot = 'pr')

特徴量の重要度も簡単に表示できます。

plot_model(tuned_model, plot='feature')

混同行列も1行のコードで表示できます。

plot_model(tuned_model, plot = 'confusion_matrix')

※get_data('credit')で取得できるデータセットは、「Default of Credit Card ClientsDatase」と呼ばれるUCI（機械学習リポジトリー）のデータセットです。このデータセットには、2005年4月から2005年9月までの台湾のクレジットカードクライアントの支払い状況、人口統計学的要因、クレジットデータ、支払い履歴、および請求明細に関する情報が含まれています。24,000のサンプルと25の特徴量があります。