# PyCaret Classification 模块 | Classification Module 分类任务的完整 API 参考文档。 ## setup() 函数 ```python from pycaret.classification import setup # 基础用法 clf = setup(data, target='target_column') # 完整参数 clf = setup( # ===== 必需参数 ===== data, # 数据框（必需） target=-1, # 目标列索引/名称/序列 # ===== 数据划分 ===== train_size=0.7, # 训练集比例 test_data=None, # 外部测试集 data_split_shuffle=True, # 是否打乱 data_split_stratify=True, # 分层抽样 fold_strategy='stratifiedkfold', # 折策略: 'kfold', 'stratifiedkfold', 'groupkfold' fold=10, # 交叉验证折数 fold_shuffle=False, # 折是否打乱 fold_groups=None, # 分组（用于 GroupKFold） # ===== 索引处理 ===== index=True, # 索引处理: True/False/列名/位置 # ===== 特征类型指定 ===== numeric_features=None, # 指定数值特征 categorical_features=None, # 指定类别特征 ordinal_features=None, # 有序类别: {'col': ['low', 'medium', 'high']} date_features=None, # 日期特征 text_features=None, # 文本特征 ignore_features=None, # 忽略的特征 keep_features=None, # 保留的特征 # ===== 数据预处理 ===== preprocess=True, # 是否预处理 imputation_type='simple', # 插补类型: 'simple', 'iterative', None numeric_imputation='mean', # 数值型: 'mean', 'median', 'mode', 'knn' categorical_imputation='mode', # 类别型: 'mode', 'constant' iterative_imputation_iters=5, # 迭代插补次数 numeric_iterative_imputer='lightgbm', # 数值迭代插补器 categorical_iterative_imputer='lightgbm', # 类别迭代插补器 text_features_method='tf-idf', # 文本方法: 'tf-idf', 'bow' max_encoding_ohe=25, # OHE 编码的最大类别数 encoding_method=None, # 编码方法（category_encoders） rare_to_value=None, # 稀有类别阈值 rare_value='rare', # 稀有类别替换值 # ===== 特征工程 ===== polynomial_features=False, # 多项式特征 polynomial_degree=2, # 多项式阶数 low_variance_threshold=None, # 低方差阈值 group_features=None, # 分组特征 drop_groups=False, # 是否删除分组特征 remove_multicollinearity=False, # 移除多重共线性 multicollinearity_threshold=0.9, # 多重共线性阈值 bin_numeric_features=None, # 离散化数值特征 # ===== 离群值处理 ===== remove_outliers=False, # 是否移除离群值 outliers_method='iforest', # 方法: 'iforest', 'ee', 'lof' outliers_threshold=0.05, # 离群值阈值 # ===== 类别平衡 ===== fix_imbalance=False, # 是否平衡类别 fix_imbalance_method='SMOTE', # 平衡方法: 'SMOTE', 'RandomUnderSampler' # ===== 变换 ===== transformation=False, # 是否变换 transformation_method='yeo-johnson', # 变换方法 normalize=False, # 是否归一化 normalize_method='zscore', # 归一化方法: 'zscore', 'minmax', 'maxabs', 'robust' # ===== 降维 ===== pca=False, # 是否PCA pca_method='linear', # PCA方法: 'linear', 'kernel', 'incremental' pca_components=None, # PCA主成分数 # ===== 特征选择 ===== feature_selection=False, # 是否特征选择 feature_selection_method='classic', # 方法: 'classic', 'univariate' feature_selection_estimator='lightgbm', # 选择器 n_features_to_select=0.2, # 选择特征比例/数量 # ===== 自定义 Pipeline ===== custom_pipeline=None, # 自定义转换器 custom_pipeline_position=-1, # 位置 # ===== 引擎配置 ===== engine=None, # 引擎配置 # ===== 系统选项 ===== n_jobs=-1, # 并行任务数 use_gpu=False, # 是否使用GPU html=True, # 是否显示HTML session_id=None, # 随机种子 log_experiment=False, # 记录实验 experiment_name=None, # 实验名称 experiment_custom_tags=None, # 自定义标签 log_plots=False, # 自动记录图表 log_profile=False, # 记录数据Profile log_data=False, # 记录数据 verbose=True, # 详细输出 memory=True, # 缓存 profile=False, # 生成报告 profile_kwargs={} # 报告参数 ) ``` ## 常用模型缩写 ```python # 线性模型 'lr' # Logistic Regression 'ridge' # Ridge Classifier 'lda' # Linear Discriminant Analysis 'qda' # Quadratic Discriminant Analysis # 树模型 'dt' # Decision Tree 'rf' # Random Forest 'et' # Extra Trees # Boosting 'gbc' # Gradient Boosting Classifier 'ada' # AdaBoost Classifier 'catboost' # CatBoost Classifier 'lightgbm' # LightGBM Classifier 'xgboost' # XGBoost Classifier # 其他 'nb' # Naive Bayes 'svm' # Support Vector Machine 'rbfsvm' # RBF SVM 'knn' # K-Nearest Neighbors 'mlp' # Multi-Layer Perceptron ``` ## compare_models() ```python from pycaret.classification import compare_models # 比较所有模型 best = compare_models() # 指定模型 best = compare_models(include=['lr', 'dt', 'rf', 'xgboost']) # 参数 best = compare_models( fold=5, round=4, sort='Accuracy', # 排序指标 n_select=1, turbo=True, verbose=True ) ``` ## create_model() ```python from pycaret.classification import create_model # 创建模型 lr = create_model('lr') rf = create_model('rf') # 完整参数 model = create_model( estimator='rf', fold=5, round=4, verbose=True, **kwargs ) ``` ## tune_model() ```python from pycaret.classification import tune_model # 调优模型 tuned = tune_model(model) # 自定义网格 tuned = tune_model( model, custom_grid={'n_estimators': [100, 200], 'max_depth': [3, 5, 7]}, optimize='Accuracy', n_iter=10 ) ``` ## ensemble_model() ```python from pycaret.classification import ensemble_model # Bagging bagged = ensemble_model(model, method='Bagging') # Boosting boosted = ensemble_model(model, method='Boosting') ``` ## blend_models() & stack_models() ```python from pycaret.classification import blend_models, stack_models # 融合 blended = blend_models(estimator_list=['lr', 'dt', 'rf'], method='soft') # 堆叠 stacked = stack_models( estimator_list=['lr', 'dt', 'rf'], meta_model='lr' ) ``` ## plot_model() 图表类型 | 图表 | 说明 | |------|------| | `'auc'` | ROC AUC 曲线 | | `'pr'` | Precision-Recall 曲线 | | `'confusion_matrix'` | 混淆矩阵 | | `'threshold'` | 阈值分析 | | `'learning_curve'` | 学习曲线 | | `'validation_curve'` | 验证曲线 | | `'manifold'` | 流形学习 | | `'feature'` | 特征重要性 | | `'feature_all'` | 所有特征重要性 | | `'classification_report'` | 分类报告 | | `'error'` | 预测误差 | | `'calibration_curve'` | 校准曲线 | | `'ks_statistic'` | KS 统计量 | | `'lift_curve'` | Lift 曲线 | | `'gain_curve'` | Gain 曲线 | ## evaluate_model() ```python from pycaret.classification import evaluate_model evaluate_model(model) ``` ## predict_model() ```python from pycaret.classification import predict_model predictions = predict_model(model, data=new_data) # 返回: Label, Score ``` ## 评估指标 | 指标 | 说明 | |------|------| | Accuracy | 准确率 | | AUC | ROC AUC | | Recall | 召回率 | | Precision | 精确率 | | F1 | F1 分数 | | Kappa | Cohen's Kappa | | MCC | Matthews Correlation Coefficient | ## 完整工作流示例 ```python from pycaret.classification import * # 1. 加载数据 data = get_data('breast_cancer') # 2. 初始化 clf = setup(data, target='target', normalize=True) # 3. 比较模型 best = compare_models() # 4. 调优 tuned = tune_model(best) # 5. 集成 ensemble = ensemble_model(tuned) # 6. 评估 evaluate_model(ensemble) # 7. 预测 predictions = predict_model(ensemble, data=test_data) # 8. 保存 save_model(ensemble, 'best_model') ```