MLJARとは

MLJARは、自動機械学習(AutoML)フレームワークであり、データの前処理、特徴量生成、モデルの選択、ハイパーパラメータの最適化、アンサンブル学習など、機械学習の一連の流れを自動化することができます。 auto-sklearn、H2O、AutoGluonといった競合に対して高いスコアを誇り、更にモデルの解釈性を高めるための機能も備えています。

触ってみたところ雑にデータを突っ込むだけで分析コンペでもある程度戦えるモデルができてしまいました。 ChatGPTに使い方を聞いても微妙に間違っていたりするのでここにまとめておきます。

インストール

1

pip install mljar-supervised

学習

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

import pandas as pd
from supervised.automl import AutoML

train_df = pd.read_csv("train.csv")
X = train_df.drop('target', axis=1)
y = train_df['target']

automl = AutoML(ml_task="classification", eval_metric="accuracy", mode="Compete")
automl.fit(X_train, y_train)

print("score:", automl.score(X, y))

ml_task

タスクの種類

  • auto
  • binary_classification
  • multiclass_classification
  • regression

のいずれか

eval_metric

評価指標

  • binary_classification：logloss, auc, f1, average_precision, accuracy
  • multiclass_classification: logloss,f1,accuracy
  • regression: rmse, mse, mae, r2,mape,sperman,pearson

mode

  • Explain 解釈性を重視したモデルを選択する
  • Perform バランス重視
  • Compete 分析コンペ向け
  • Optuna 学習時間を度外視したスコア特化

モデルの解釈

1

automl.report()

試行したモデルのスコアや学習曲線などを表示します。

予測

1
2

test_df = pd.read_csv("test.csv")
predictions = automl.predict(test_df)

デプロイ

モデルの保存

1
2

best_model = automl.get_best_model()
best_model.save("best_model.pkl")

モデルの読み込み

1
2
3
4

from supervised import Model

loaded_model = Model.load("best_model.pkl")
new_predictions = loaded_model.predict(new_data)