AutoGluonでテーブルデータのAutoML

AutoGluonとは？

AutoGluonはAutoMLのフレームワークです。テーブル、時系列、マルチモーダルといった複数のデータの種類に対応しています。

今回はテーブルデータのAutoMLを試してみます。

AutoGluon

インストール

!pip install autogluon

インポート

テーブルデータにはTabularPredictorを利用します。AutoGluonにはそれぞれデータの種類に応じたPredictorが実装されています。

from autogluon.tabular import TabularDataset, TabularPredictor

データセットの読み込み

data_url = 'https://raw.githubusercontent.com/mli/ag-docs/main/knot_theory/'
train_data = TabularDataset(f'{data_url}train.csv')
train_data.head()

label = 'signature'
train_data[label].describe()

学習

TabularPredictorを利用して学習を行います。

predictor = TabularPredictor(label=label).fit(train_data)

学習を行うと以下のようなログが出力されます。
AutoGluonがどのように特徴量を抽出、選択し学習しているかを確認することができます。

学習のログの一部

予測

predict()で予測を行います。

test_data = TabularDataset(f'{data_url}test.csv')

y_pred = predictor.predict(test_data.drop(columns=[label]))
y_pred.head()

評価

evaluate()で評価

predictor.evaluate(test_data, silent=True)

テストデータに対する各モデルの性能評価をleaderboard()で実施できます。

predictor.leaderboard(test_data)