我一直堅信將人工智慧和機器學習民主化，並以這種方式傳播知識，以迎合廣大受眾，充分利用人工智慧的力量。對此的一個內聯嘗試是python包「 regressormetricgraphplot」的開發，該軟體包旨在幫助用戶使用單行代碼繪製評估指標圖，以針對不同的廣泛使用的回歸模型指標進行一目了然的比較。
使用該實用程序包，還可以通過將其應用於日常的預測回歸問題，顯著降低從業人員以業餘方式評估不同機器學習算法的障礙。 在深入介紹軟體包詳細信息之前，讓我們以簡單的外行術語理解一些基本概念。
通常，建模流程涉及預處理階段，擬合機器學習算法，然後進行評估。在下圖中，作為示例，描述了集成學習的建模步驟。塊A包括數據處理，例如清理，整理，聚合，推導新特徵，特徵選擇等。塊B和C描述了集成學習，其中預處理數據輸入到Layer-1中的各個模型中，分別是評估和調整。
第2層的輸入包括來自先前第1層的預測，然後使用投票方案得出最終預測，使用平均值合併結果。最後，方框D顯示了模型評估和結果解釋。數據（比例為70:30）被分為訓練和測試數據。使用了三種獨立的ML算法，即線性回歸，隨機森林和XGBoost。所有模型都是使用調整後的參數創建的，最後使用投票回歸模型。
使用不同的回歸指標進行評估，讓我們討論它們各自的公式以及相應的簡單說明。
表決回歸器是一個集合元估計器，它適合每個整體數據集上的基本回歸器。然後，將各個預測取平均，以形成最終預測，如下所示。
入門
終端安裝
Mac 安裝
使用Anaconda安裝
如果您將Python與Anaconda一起安裝，則可以運行以下命令開始使用：
代碼演練
用法
完整的示例程序可以在GitHub中找到 Demo.ipynb。