PyCaret是一个Python中的开源、低代码机器学习库，可以自动化机器学习工作流。它是一个端到端的机器学习和模型管理工具，可以成倍地加快实验周期，提高工作效率。
与其他开源机器学习库相比，PyCaret是一个替代的低代码库，可以用几行代码替换数百行代码。这使得实验以指数方式快速和高效。PyCaret本质上是几个机器学习库和框架的Python包装器，例如scikit-learn，XGBoost，LightGBM，CatBoost，spaCy，Optuna，Hyperopt，Ray等等。
PyCaret的设计和简单性受到了公民数据科学家的新兴角色的启发，这是Gartner首次使用的术语。公民数据科学家是高级用户，他们可以执行简单和中等复杂的分析任务，这些任务以前需要更多的技术专业知识。
特点
PyCaret是一个Python中的开源、低代码机器学习库，旨在减少ML实验中的假设洞察周期时间。 它使数据科学家能够快速有效地执行端到端实验。与其他开源机器学习库相比，PyCaret是一个替代的低代码库，可以用几行代码执行复杂的机器学习任务。PyCaret简单易用。
PyCaret对数据科学家
PyCaret的设计和简单性受到了公民数据科学家的新兴角色的启发，这是Gartner首次使用的术语。公民数据科学家是“高级用户”，他们可以执行简单和中等复杂的分析任务，而这些任务以前需要更多的专业知识。经验丰富的数据科学家通常很难找到，而且雇佣成本很高，但公民数据科学家可以有效地缩小这一差距，并解决商业环境中的数据科学挑战。
PyCaret部署功能
PyCaret是Python中的一个部署就绪库，这意味着ML实验中执行的所有步骤都可以使用可重复的管道进行复制，并保证生产。 流水线可以以可跨环境传输的二进制文件格式保存。
PyCaret与BI无缝集成
PyCaret及其机器学习功能与支持Python的环境（例如Microsoft Power BI，Tableau，Alteryx和KNIME）无缝集成。这为这些BI平台的用户提供了巨大的力量，他们现在可以将PyCaret集成到现有的工作流程中，并轻松添加一层机器学习。
PyCaret非常适合：
- 希望提高工作效率的经验丰富的数据科学家。
- 喜欢低代码机器学习解决方案的公民数据科学家。
- 想要构建快速原型的数据科学专业人士。
- 数据科学和机器学习的学生和爱好者。
PyCaret概览
分类
函数式API
OOP API
回归
函数式API
OOP API
时间序列
函数式API
OOP API
聚类
函数式API
OOP API
异常检测
函数式API
OOP API
