💻 安装

在 Python 中安装 PyCaret 的逐步指南

选项 1：通过 PyPI 安装​

PyCaret 在 64 位系统上经过测试并支持以下环境：

Python 3.8、3.9、3.10 和 3.11 Ubuntu 16.04 或更高版本 Windows 7 或更高版本

您可以使用 Python 的 pip 包管理器安装 PyCaret：

pip install pycaret

PyCaret 的默认安装不会自动安装所有可选依赖项。根据具体使用场景，您可能会对一个或多个可选扩展感兴趣：

# install analysis extras
pip install pycaret[analysis]

# models extras
pip install pycaret[models]

# install tuner extras
pip install pycaret[tuner]

# install mlops extras
pip install pycaret[mlops]

# install parallel extras
pip install pycaret[parallel]

# install test extras
pip install pycaret[test]

## 

# install multiple extras together
pip install pycaret[analysis,models]

查看所有 可选依赖项。如果你想安装包括所有可选依赖项在内的全部内容：

# install full version
pip install pycaret[full]

选项 2：源码​

直接从源码安装该库的开发版本。其 API 可能不稳定。不建议在生产环境中使用。

pip install git+https://github.com/pycaret/pycaret.git@master --upgrade

选项 3：Docker​

Docker 通过容器创建虚拟环境，将 PyCaret 的安装与系统的其他部分隔离开来。PyCaret Docker 随附预装的 Jupyter Notebook。它可以与宿主机共享资源（访问目录、使用 GPU、连接互联网等）。PyCaret Docker 镜像始终针对最新的大版本进行测试。

# default version
docker run -p 8888:8888 pycaret/slim

# full version
docker run -p 8888:8888 pycaret/full

要了解更多，请查看 pycaret/slim 或 pycaret/full 的 Docker 页面。

环境​

为了避免与其他软件包产生潜在冲突，强烈建议使用虚拟环境，例如 python3 virtualenv（参见 python3 virtualenv 文档）或 conda 环境。使用隔离环境可以在不受先前安装的 Python 包影响的情况下，独立安装特定版本的 pycaret 及其依赖项。

# create a conda environment
conda create --name yourenvname python=3.8

# activate conda environment
conda activate yourenvname

# install pycaret
pip install pycaret

# create notebook kernel
python -m ipykernel install --user --name yourenvname --display-name "display-name"

在 GPU 上训练​

要在 GPU 上训练模型，只需在 setup 函数中传入 use_gpu = True。API 的使用方式没有变化；但在某些情况下，需要安装额外的库。以下模型可以在 GPU 上训练：

极端梯度提升 Catboost Light Gradient Boosting Machine 需要 GPU 专用安装 逻辑回归、岭分类器、随机森林、K 近邻分类器、K 近邻回归器、支持向量机、线性回归、岭回归、Lasso 回归需要 cuML >= 0.15

PyCaret 的 Intel sklearnex 支持​

你可以对机器学习算法应用 Intel 优化 来加速工作流程。要使用 Intel 优化训练模型，请使用 sklearnex 引擎。API 的使用方式没有变化，但需要安装 Intel sklearnex：

pip install scikit-learn-intelex