Pycaret 3.0的RC版本已经发布了，什么重大的改进呢？

Pycaret是Python中的一个开源可自动化机器学习工作流程的低代码机学习库。它是一种端到端的机器学习和模型管理工具。要了解有关Pycaret的更多信息，可以查看官方网站或GitHub。

1、与最新版本的Scikit-Learn完全兼容

Pycaret 2.x需要Scikit-Learn 0.23.2，如果您想在同一Python环境中使用Scikit-Learn和Pycaret的最新版本是不可能的，但是 Pycaret 3.0将与Scikit-Learn的最新版本完全兼容。

2、面向对象的API

PyCaret很棒，但缺乏面向对象的思想。通过加入类和对象，PyCaret改变了从1.0开始的工作方式，

1. # Functional API (Existing)
3. # load dataset
4. from pycaret.datasets import get_data
5. data = get_data('juice')
7. # init setup
8. from pycaret.classification import *
9. s = setup(data, target = 'Purchase', session_id = 123)
11. # compare models
12. best = compare_models()

这很方便，但如果现在你想在同一个notebook上运行不同参数的多个实验，你可能就会遇到参数被覆盖的问题，并且因为是变量的形式，这些参数被覆盖了你也很难发现他们。现在有了新的面向对象的API，参数保存在对象中，不会产生多余的变量，简化了操作。

1. # load dataset
2. from pycaret.datasets import get_data
3. data = get_data('juice')
5. # init setup 1
6. from pycaret.classification import ClassificationExperiment
7. exp1 = ClassificationExperiment()
8. exp1.setup(data, target = 'Purchase', session_id = 123)
10. # compare models init 1
11. best = exp1.compare_models()
13. # init setup 2
14. exp2 = ClassificationExperiment()
15. exp2.setup(data, target = 'Purchase', normalize = True, session_id = 123)
17. # compare models init 2
18. best2 = exp2.compare_models()

你还可以使用get_leaderboard函数为每个实验生成结果列表，然后进行比较。

完整文章：

 

https://avoid.overfit.cn/post/5a08306734164b128837e4aca4291554