比Keras更好用的機(jī)器學(xué)習(xí)“模型包”：無需預(yù)處理，0代碼上手做模型

蕭簫 2020-10-04 13:04:34 來源：量子位

蕭簫 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號(hào) QbitAI

做機(jī)器學(xué)習(xí)模型時(shí)，只是融合各種算法，就已經(jīng)用光了腦細(xì)胞？

又或者覺得，數(shù)據(jù)預(yù)處理就是在“浪費(fèi)時(shí)間”？

一位畢業(yè)于哥廷根大學(xué)、做機(jī)器學(xué)習(xí)的小哥也發(fā)現(xiàn)了這個(gè)問題：原本只是想設(shè)計(jì)個(gè)模型，結(jié)果“實(shí)現(xiàn)比設(shè)計(jì)還麻煩”。

于是他自己動(dòng)手做了個(gè)項(xiàng)目igel?（德語中意為“刺猬”，但也是Init、Generate、Evaluate Machine Learning的縮寫），無需編寫任何多余代碼，就能設(shè)計(jì)出想要的模型。

也就是說，用戶只需要知道各種機(jī)器學(xué)習(xí)模型的原理，但不需要再自己動(dòng)手寫代碼。

相比于Keras，這個(gè)項(xiàng)目進(jìn)一步簡化了預(yù)處理、輸入輸出的工作，就像“模型包”一樣簡便。

作者用了兩周的時(shí)間，做出了項(xiàng)目的1.0版本，一天以內(nèi)已有842 Star，目前還在快速上漲中。

由于只是1.0版本，作者表示，這個(gè)項(xiàng)目仍然有很大的完善空間。

但就目前的功能來說，已經(jīng)足夠進(jìn)行基本的機(jī)器學(xué)習(xí)建模了。

“讓機(jī)器學(xué)習(xí)生產(chǎn)變得自動(dòng)化”

作者建立這個(gè)項(xiàng)目的初衷，是希望為所有人提供機(jī)器學(xué)習(xí)模型。

無論是技術(shù)向工程師、還是非技術(shù)向的其他行業(yè)用戶，都能使用機(jī)器模型讓自己的工作更簡單。

說白了，就是將機(jī)器學(xué)習(xí)變成一個(gè)“自動(dòng)化”的過程，而他也這么設(shè)計(jì)了。

項(xiàng)目igel包含了當(dāng)前最新的所有機(jī)器學(xué)習(xí)模型（回歸、分類、聚類），而且作者表示，項(xiàng)目還在持續(xù)更新中。

也就是說，后續(xù)如果還有更新的機(jī)器學(xué)習(xí)模型，也會(huì)再加進(jìn)項(xiàng)目。

模型目前支持的功能有以下幾種：

支持所有最新的機(jī)器學(xué)習(xí)模型（甚至是預(yù)覽模型）

支持不同的數(shù)據(jù)預(yù)處理方法

在編寫配置時(shí)提供靈活性和數(shù)據(jù)控制

支持交叉驗(yàn)證

支持yaml和json格式

支持不同的sklearn指標(biāo)以進(jìn)行回歸，分類和聚類

支持多輸出/多目標(biāo)回歸和分類

支持多處理并行模型構(gòu)建

可以看出，作者為了偷懶讓機(jī)器學(xué)習(xí)生產(chǎn)變得更簡潔，也是操碎了心。

如果要上手的話，也非常簡便。

6步上手“模型包”

與其他程序一樣，作者為這個(gè)程序提供了“幫助”菜單，只需要輸入“igel -h”?（或igel -help），就能了解它的使用方法。

學(xué)習(xí)完使用方法后，就可以開始創(chuàng)建配置文件了，無論是yaml還是json格式，都o(jì)k。

如果你是個(gè)“懶癌患者”?（像作者一樣），可以使用“igel init”來初始化。

例如，想做個(gè)判斷“是否生病”功能的配置文件：

第一步，選擇功能、模型、目標(biāo)：igel init -type “classification” -model “NeuralNetwork” -target “sick”

第二步，初始化：igel init

那么，程序就會(huì)給你生成一份配置文件，根據(jù)需要進(jìn)行修改。

在那之后，就是選擇具體的算法參數(shù)、并提供你所選的數(shù)據(jù)集了。

例如，想用隨機(jī)森林處理數(shù)據(jù)，那么，只需要提供參數(shù)給系統(tǒng)（以及數(shù)據(jù)集、配置文件路徑），它就會(huì)幫你訓(xùn)練：

此外，還可以對模型/預(yù)訓(xùn)練模型進(jìn)行評估：

感覺不錯(cuò)？生成預(yù)測模型：

直接用起來：

簡單6步，機(jī)器模型（預(yù)覽模型）就已經(jīng)生成了，非常方便。

網(wǎng)友：太棒了，想要更多新功能

此外，作者也非常樂意采納各個(gè)網(wǎng)友的意見。

例如，一個(gè)網(wǎng)友指出，如果能用交叉驗(yàn)證進(jìn)行超參數(shù)搜索/調(diào)整，那么會(huì)是個(gè)很好的改進(jìn)，而作者本人也立即采納了這個(gè)建議。

不過，也有網(wǎng)友表示，“讓一切程序自動(dòng)化”是沒有意義的。

畢竟作者已經(jīng)聲明，項(xiàng)目是建立在scikit-learn的基礎(chǔ)上的。但后者同樣幾行代碼就能做機(jī)器學(xué)習(xí)，那么scikit-learn和這個(gè)項(xiàng)目有什么區(qū)別？

作者對此回應(yīng)稱，最大的區(qū)別在于，相比于編寫代碼，這個(gè)項(xiàng)目旨在以更“可讀”的方式設(shè)計(jì)想做的模型。

有網(wǎng)友認(rèn)可這樣的觀點(diǎn)，畢竟對于許多做生產(chǎn)的機(jī)器學(xué)習(xí)工程師來說，“任何不需要做的編程工作”都是沒有意義的，是在“浪費(fèi)時(shí)間和金錢”。

對于這個(gè)項(xiàng)目，更多的網(wǎng)友表示了支持，并希望看見他的新功能。

對這個(gè)機(jī)器學(xué)習(xí)項(xiàng)目感興趣的小伙伴，可以通過下方傳送門查看~

作者介紹

Nidhal Baccouri，于今年4月在德國哥廷根大學(xué)取得碩士學(xué)位，研究方向是軟件、控制工程和人工智能。

目前，Nidhal Baccouri在汽車行業(yè)工作，研究方向是數(shù)字雙胞胎技術(shù)，會(huì)同時(shí)應(yīng)用人工智能和物聯(lián)網(wǎng)的知識(shí)。業(yè)余時(shí)間，他喜歡做做項(xiàng)目，尤其是與AI和Python相關(guān)的項(xiàng)目。

傳送門

項(xiàng)目地址：
https://github.com/nidhaloff/igel

參考鏈接：
https://news.ycombinator.com/item?id=24671525
https://nidhalbacc.azurewebsites.net/