Déployez les modèles de base d'apprentissage automatique à l'aide de TURI CREATE sur Linux

Turi Create est une bibliothèque Python créée par Apple pour le déploiement facile de l'apprentissage automatique et des algorithmes d'analyse de données complètes. Il s'agit d'une bibliothèque open source qui permet aux utilisateurs de profiter gratuitement de cet outil puissant. Il contient des implémentations pour les techniques d'apprentissage supervisées et non supervisées qui comprennent des tâches de classification, des tâches de régression, des algorithmes de clustering, des tâches de détection d'objets, et plus. Il permet également aux utilisateurs de créer des algorithmes d'apprentissage automatique personnalisés en incorporant les principes fondamentaux de l'apprentissage automatique et de l'analyse des données.

Bien qu'il soit fabriqué par Apple, il est disponible sur les trois principales plateformes qui incluent Apple, Linux et Windows, ce qui augmente encore son utilité dans le monde de l'apprentissage des données abondantes. Le principal avantage que Turi Create propose à ses utilisateurs par rapport à d'autres bibliothèques et cadres et cadres traditionnels d'apprentissage automatique et d'analyse est que ses utilisateurs peuvent accéder aux algorithmes et modèles d'apprentissage prédéfinis et prêts à l'emploi. Les personnes qui ne sont pas parfaitement adaptées aux concepts complexes d'apprentissage automatique et d'analyse de données peuvent utiliser cette bibliothèque avec une relative facilité et accomplir leurs tâches sans qu'un effort ne soit consacré à l'apprentissage des tenants et des aboutissants de ces algorithmes. L'un des principaux concurrents de cette bibliothèque est Scikit Learn qui est abondamment utilisé dans la plupart des tâches d'apprentissage automatique mais qui est quelque peu complexe pour apprendre et mettre en œuvre.

La condition préalable la plus importante pour commencer par Turi Create est la connaissance superficielle de Python et de ses principes de programmation. Turi Create permet à ses utilisateurs de travailler avec différentes formes de données, notamment les données tabulaires, les données textuelles, les graphiques et plus. En offrant les types de données personnalisés pour les conteneurs qui ressemblent à certains des types de données les plus utilisés comme DataFrames, cette bibliothèque rend le stockage et le traitement des données vraiment simples et faciles.

Il convient de noter que Turi Create est disponible sur les versions suivantes de Python: 2.7, 3.5, 3.6, 3.7, et 3.8. Il est en cours de travail pour le rendre disponible pour des versions plus récentes.

Guide d'installation

Pour commencer par l'installation de Création de Turi, vous devez d'abord vous assurer que vous exécutez une version de Python à partir de la liste mentionnée plus tôt. Si vous utilisez une version plus ancienne ou plus récente, vous devez soit mettre à niveau ou rétrograder vers une version différente pour pouvoir exécuter la création de Turi. Sinon, vous obtiendrez l'erreur suivante si vous essayez de l'installer avec une version différente de Python que celles qui sont mentionnées:

Étant donné que Turi Create est un package de bibliothèque Python, il ne peut être utilisé que via le code Python. C'est pourquoi, pour l'installer, nous utilisons le gestionnaire de packages Python appelé «PIP». Vous pouvez également utiliser «conda» pour installer cette bibliothèque si vous utilisez la plate-forme Anaconda pour votre développement Python. Aux fins de ce guide d'installation, nous utilisons PIP.

Note: C'est toujours une bonne idée d'installer n'importe quel package dans un environnement qui lui est propre afin qu'il ne provoque aucune erreur et problème avec les autres packages de la portée du package mondial Python.

1. Exécutez la commande suivante dans le terminal pour installer le turi Créer avec PIP:

$ pip install turicreate

Avec cela, Turi Create doit être téléchargé et installé sur votre machine Linux à l'aide du PIP Package Manager pour Python.

Mode d'emploi

Comme mentionné précédemment, puisque Turi Create est un package Python, il peut être utilisé en utilisant le code Python. Pour commencer à travailler avec Turi Create, nous créons un fichier Python (.py) ou un cahier Python (.iPynb).

Nous commençons par importer de la création de Turi dans notre environnement de travail:

Importer Turicreate comme TC

Maintenant que nous avons importé Turi Create, nous importons un ensemble de données pour travailler sur. Il peut s'agir de n'importe quel ensemble de données qui correspond aux exigences pour les types de données avec lesque. Nous utilisons l'ensemble de données ADNI pour les patients d'Alzheimer. Cet ensemble de données est un exemple classique de classification pour les tâches d'apprentissage supervisées.

données = TC.Sframe.read_csv ("./ 12_months_joint.CSV ")

Le mot-clé SFrame est la mise en œuvre d'un type de données qui est très proche de sa fonctionnalité en tant que DataFrame. Lors du chargement des données dans un SFRAME à partir d'un fichier de valeur séparé de virgule, les données sont stockées sous la forme d'une table avec des fonctionnalités de table en tant que noms de colonnes et enregistrements sous forme de lignes.

Nous pouvons désormais diviser ces données en échantillons de formation et de test à l'aide de la méthode «Random_Split» et spécifier le pourcentage des données dont nous avons besoin dans l'échantillon de formation.

Train_data, test_data = données.random_split (0.8)

Maintenant que les données sont traitées dans les échantillons de formation et de test, nous pouvons commencer par la mise en œuvre d'un classificateur binaire sur ces données afin que nous puissions ensuite tester et déterminer les performances de notre modèle.

binary_classifier = tc.logistique_classifier.créer (Train_data, Target = 'Cov')

Avec cela, le modèle commence à apprendre et converge lentement vers la solution la plus optimale qu'il est capable de trouver. Nous pouvons obtenir un résumé du modèle et de l'apprentissage en exécutant la commande suivante:

binaire_classifier.résumé()

Nous pouvons en outre demander au modèle que nous avons fait pour prédire les sorties des données de test à l'aide de l'extrait de code suivant:

Prédictions = binary_classifier.prédire (test_data)

Nous pouvons comparer les valeurs prévues avec les valeurs cibles d'origine dans le test_data pour découvrir les performances de ce modèle.

Nous pouvons en outre utiliser une autre bibliothèque comme Matplotlib pour créer les visualisations de performances spécialisées comme les matrices de confusion et les graphiques.

Conclusion

Avec de nombreuses bibliothèques et packages d'apprentissage automatique complexes qui sont disponibles pour travailler, il peut devenir une tâche fastidieuse et exhaustive pour mettre en œuvre facilement les algorithmes d'apprentissage. Des bibliothèques comme Sklearn implémentent les algorithmes les plus intelligents, mais ils sont livrés avec une courbe d'apprentissage avec laquelle la plupart des gens ne sont pas à l'aise. Turi Create garantit la mise en œuvre facile de la plupart de ces techniques d'apprentissage sans aucun exercice d'apprentissage complet. Son implémentation algorithmique facile et sa exécution encore plus simple en font une bibliothèque très facile à recommander en matière d'apprentissage automatique et d'analyse. Pour les nouveaux analystes débutants et novices, cette bibliothèque est la meilleure solution pour tous leurs besoins analytiques.