どうも、月見（@Suzuka14144156）です。
この記事では、Pycaretの環境構築でエラーになる原因・インストールできない場合の対応方法ついて解説します。
このようなお悩みをお持ちの方におすすめの記事です。
- Pycaretって？
- Pycaretの環境構築でエラーになる
- インストールできない場合の対応方法が知りたい
- Pycaretを利用するまでの最大の課題は、環境構築
- 対応方法として、Dockerを利用すると簡単に実行環境を手に入れられます
よって本記事では、Dockerで環境構築を手に入れる方法を解説します。
Pycaretとは？
- PyCaretは、Pythonで記述された機械学習のライブラリであり、機械学習モデルを簡単かつ迅速に構築することができるフレームワークです。
- PyCaretは、自動的に特徴量エンジニアリング、データ前処理、モデルトレーニング、モデルの比較、モデルのチューニング、モデルのデプロイなどのタスクを処理することができます。
色々なモデルで精度がどれくらいか？を数行のコードで試せるライブラリでかなり強力です。
Pycaretの環境構築・インストールで起こるエラー
筆者も公式のドキュメントを読みながらいろいろ試した結果、以下がわかりましたので、共有します。
- conda install ができない
- 色々なライブラリの整合性を取れずにインストールできない
筆者の環境では、condaからのインストールが失敗となり、できなかったです。
また、PyCaretが依存するパッケージのバージョンが、既存のパッケージと競合する場合、エラーが発生することがあります。
Pycaretのインストールできない場合の対応方法
Pycaretは、色々なライブラリの整合性を取る必要があります。
整合性が取れないとエラーになります。
- Dockerから環境を構築するのがオススメです
そのほかにもAnacondaで仮想環境を構築して、pip installする方法でも実行環境を構築できました。
ただ、Jupyter notebookでその環境で実行するとエラーが出てしまい、躓きました。
なので、結論としては、Dockerで環境構築する方法が一番オススメです。
Dockerのインストール
以下からDockerのインストールが可能です。
ダウンロードしたexeファイルを実行すると、ダウンロードが完了します。
仮想空間の立ち上げ
基本的には、デフォルトバージョンで十分機能します。
ご自身の希望に沿って、以下のコマンドをコマンドプロンプトから実行ください。
デフォルトバージョンの場合。
# default version
docker run -p 8888:8888 pycaret/slimフルバージョンの場合。
# full version
docker run -p 8888:8888 pycaret/full- 一番したのURLをCtrlキーを押しながらクリック
Jupyter notebookが開きます。
- pycaretをクリック
Pycaretの実行
- 試しに、PyCaret の Classification Module を試してみます（分類問題）
- 様々なモデルを比較し、最適なモデルを選択します
# load sample dataset
from pycaret.datasets import get_data
data = get_data('diabetes')実行すると以下のデータがダウンロードされます。
以下画面の赤枠のClass Variableを予想するモデルを構築します。
from pycaret.classification import *
s = setup(data, target = 'Class variable', session_id = 123)Class variableをtargetにすることで、目的変数として設定します。
# functional API
best = compare_models()実行するといろいろなモデルでAccなどを算出し、最適なモデルが選ばれます。
以下の表は、優秀なモデル順になっています。
この場合だとLogistic Regressionが最も優れたモデルとなります。
# functional API
evaluate_model(best)モデルの評価をするのに、このコードを実行することでできます。
本来ならばこのような画面が出力されるのですが、私が確認した限り以下が実行されました。
原因は、不明です。
ただ、以下のようにplot_model()を使うと、個別で出力可能なので、状況に応じて可視化したグラフを見ることはできます。
plot_model(best,plot='feature')plot=”の中身を切り替えることで、以下のグラフが表示可能です。
| Plot Name | Plot |
| Area Under the Curve | ‘auc’ |
| Discrimination Threshold | ‘threshold’ |
| Precision Recall Curve | ‘pr’ |
| Confusion Matrix | ‘confusion_matrix’ |
| Class Prediction Error | ‘error’ |
| Classification Report | ‘class_report’ |
| Decision Boundary | ‘boundary’ |
| Recursive Feature Selection | ‘rfe’ |
| Learning Curve | ‘learning’ |
| Manifold Learning | ‘manifold’ |
| Calibration Curve | ‘calibration’ |
| Validation Curve | ‘vc’ |
| Dimension Learning | ‘dimension’ |
| Feature Importance (Top 10) | ‘feature’ |
| Feature IImportance (all) | ‘feature_all’ |
| Model Hyperparameter | ‘parameter’ |
| Lift Curve | ‘lift’ |
| Gain Curve | ‘gain’ |
| KS Statistic Plot | ‘ks’ |
AUCを確認します。
# functional API
plot_model(best, plot = 'auc')
次に構築したモデルで、予測します。
# functional API
predict_model(best)ACCが75%とそこそこ。
モデルの保存は、以下のコードでできます。
# functional API
save_model(best, 'my_best_pipeline')Pycaretの公式ドキュメント
本記事は、以下の公式ドキュメントを参照して作成しました。
本記事の関連の参考書や講座
基本的なPythonのコード知識を学ぶには、以下の書物がオススメです。
Udemyのオンライン講座は、以下がオススメです。
Udemyは買い切りなので、一度購入してしまえば、何度でも閲覧できるのでオススメです。
まとめ
この記事では、Pycaretの環境構築でエラーになる原因・インストールできない場合の対応方法ついて解説しました。
まとめると以下です。
- Pycaretを利用するまでの最大の課題は、環境構築
- 対応方法として、Dockerを利用すると簡単に実行環境を手に入れられます
今回の記事は、以上です。
コメント