Implemente los modelos centrales de aprendizaje automático con Turi Create en Linux

Turi Create es una biblioteca de Python creada por Apple para la fácil implementación de algoritmos integrales de aprendizaje automático y análisis de datos. Es una biblioteca de código abierto que permite a los usuarios aprovechar esta poderosa herramienta de forma gratuita. Contiene implementaciones para técnicas de aprendizaje supervisadas y no supervisadas que incluyen tareas de clasificación, tareas de regresión, algoritmos de agrupación, tareas de detección de objetos y más. También permite a los usuarios crear algoritmos de aprendizaje automático personalizados incorporando los fundamentos básicos de aprendizaje automático y análisis de datos.

A pesar de haber hecho Apple, está disponible en las tres plataformas principales que incluyen Apple, Linux y Windows, que aumentan aún más su utilidad en el mundo de aprender de abundantes datos. La principal ventaja que Turi crea ofrece a sus usuarios sobre otras bibliotecas y marcos de aprendizaje automático tradicional y analítico es que sus usuarios pueden acceder a los algoritmos y modelos de aprendizaje prebuidados y listos para usar. Las personas que no son completamente expertas con conceptos complejos de aprendizaje automático y análisis de datos pueden hacer uso de esta biblioteca con relativa facilidad y lograr sus tareas sin que se ponga un esfuerzo significativo para aprender los entresijos de estos algoritmos. Uno de los principales competidores de esta biblioteca es el aprendizaje de Scikit, que se usa abundantemente en la mayoría de las tareas de aprendizaje automático, pero es algo complejo de aprender e implementar.

El requisito previo más importante para comenzar con Turi Crear es el conocimiento superficial de Python y sus fundamentos de programación. Turi Create permite a sus usuarios trabajar con diferentes formas de datos, incluidos los datos tabulares, los datos textuales, los gráficos y más. Al ofrecer los tipos de datos personalizados para contenedores que se asemejan a algunos de los tipos de datos más utilizados como los marcos de datos, esta biblioteca hace que el almacenamiento y el procesamiento de datos sean realmente simples y fáciles.

Cabe señalar que Turi Create está disponible en las siguientes versiones de Python: 2.7, 3.5, 3.6, 3.7 y 3.8. Se está trabajando para ponerlo a disposición de versiones más recientes.

Guía de instalación

Para comenzar con la instalación de Turi Create, primero debe asegurarse de ejecutar una versión de Python desde la lista mencionada anteriormente. Si está utilizando una versión más antigua o más nueva, debe actualizar o rebajar a una versión diferente para poder ejecutar Turi Crear. De lo contrario, recibirá el siguiente error si intenta instalarlo con una versión diferente de Python que las que se mencionan:

Dado que Turi Create es un paquete de biblioteca de Python, solo se puede usar a través del código Python. Por eso, para instalarlo, hacemos uso del Python Package Manager llamado "Pip". También puede usar "conda" para instalar esta biblioteca si está utilizando la plataforma Anaconda para su desarrollo de Python. Para los fines de esta guía de instalación, utilizamos PIP.

Nota: Siempre es una buena idea instalar cualquier paquete en un entorno propio para que no cause ningún error y problema con los otros paquetes en el alcance del paquete global de Python.

1. Ejecute el siguiente comando en el terminal para instalar Turi Create con PIP:

$ Pip Instalar Turicreate

Con esto, Turi Create debe descargarse e instalarse en su máquina Linux utilizando el Pip Package Manager para Python.

Guía del usuario

Como se mencionó anteriormente, dado que Turi Create es un paquete Python, se puede usar con el código Python. Para comenzar a trabajar con Turi Create, creamos un archivo Python (.py) o un cuaderno de Python (.ipynb).

Comenzamos importando Turi Create en nuestro entorno de trabajo:

importar turicree como TC

Ahora que importamos Turi creamos, importamos un conjunto de datos para trabajar en. Este puede ser cualquier conjunto de datos que se ajuste a los requisitos para los tipos de datos que Turi crea puede trabajar. Usamos el conjunto de datos ADNI para pacientes con Alzheimer. Este conjunto de datos es un ejemplo clásico de clasificación para tareas de aprendizaje supervisadas.

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

La palabra clave SFRame es la implementación de un tipo de datos que está muy cerca de su funcionalidad como marco de datos. Al cargar los datos en un SFRame de un archivo de valor separado por comas, los datos se almacenan en forma de una tabla con características de la tabla como nombres y registros de columnas como filas.

Ahora podemos dividir estos datos en las muestras de entrenamiento y prueba utilizando el método "Random_split" y especificar el porcentaje de datos que requerimos en la muestra de entrenamiento.

Train_data, test_data = datos.random_split (0.8)

Ahora que los datos se procesan en las muestras de capacitación y prueba, podemos comenzar a implementar un clasificador binario en estos datos para que podamos probar y determinar el rendimiento de nuestro modelo.

binary_classifier = TC.Logistic_classifier.Crear (Train_Data, Target = 'Cov')

Con esto, el modelo comienza a aprender y converge lentamente con la solución más óptima que puede encontrar. Podemos obtener un resumen del modelo y el aprendizaje ejecutando el siguiente comando:

binary_classifier.resumen()

Podemos preguntar al modelo que hicimos para predecir las salidas de los datos de prueba utilizando el siguiente fragmento de código:

Predicciones = binary_classifier.Predicte (test_data)

Podemos comparar los valores predichos con los valores de destino originales en test_data para averiguar el rendimiento de este modelo.

Podemos usar otra biblioteca como matplotlib para crear las visualizaciones de rendimiento especializadas como matrices de confusión y gráficos.

Conclusión

Con muchas bibliotecas y paquetes de aprendizaje automático complejos que están disponibles para trabajar, puede convertirse en una tarea agotadora y exhaustiva implementar los algoritmos de aprendizaje fácilmente. Bibliotecas como Sklearn implementan la mayoría de los algoritmos inteligentes, pero vienen con una curva de aprendizaje con la que la mayoría de las personas no se sienten cómodas. Turi Create garantiza la fácil implementación de la mayoría de estas técnicas de aprendizaje sin ningún ejercicio integral de aprendizaje. Su implementación algorítmica fácil e incluso una ejecución más simple lo convierten en una biblioteca muy fácil de recomendar cuando se trata de aprendizaje automático y análisis. Para nuevos principiantes y analistas novatos, esta biblioteca es la mejor solución para todas sus necesidades analíticas.