100天搞定機器學(xué)習(xí)：寫YAML配置文件

100天搞定機器學(xué)習(xí)|Day1-62 合集

大家好，我是老胡

編程中免不了要寫配置文件，今天我們繼續(xù)100天搞定機器學(xué)習(xí)的番外，學(xué)習(xí)一個比 JSON 更簡潔和強大的語言————YAML 。本文簡單介紹 YAML 的語法和用法，以及 YAML 在機器學(xué)習(xí)項目中的應(yīng)用實例。歡迎大家一起學(xué)習(xí)，也歡迎點贊、在看、分享！

另：yaml的妙用不限于本篇，我會在后續(xù)的Python網(wǎng)絡(luò)編程專欄再做介紹。

YAML

YAML 是 "YAML Ain't a Markup Language"（YAML 不是一種標記語言）的遞歸縮寫。YAML 的語法和其他高級語言類似，并且可以簡單表達清單、散列表，標量等數(shù)據(jù)形態(tài)。它使用空白符號縮進和大量依賴外觀的特色，特別適合用來表達或編輯數(shù)據(jù)結(jié)構(gòu)、各種配置文件、傾印調(diào)試內(nèi)容、文件大綱。YAML 的配置文件后綴為 .yaml

YAML 它的基本語法規(guī)則如下：

• 大小寫敏感
• 使用縮進表示層級關(guān)系
• 縮進時不允許使用Tab鍵，只允許使用空格。
• 縮進的空格數(shù)目不重要，只要相同層級的元素左側(cè)對齊即可
• #號 表示注釋

YAML 支持的數(shù)據(jù)結(jié)構(gòu)有三種：

• 對象：鍵值對的集合，對象鍵值對使用冒號結(jié)構(gòu)表示 key: value，冒號后面要加一個空格。
• 數(shù)組：一組按次序排列的值，又稱為序列/ 列表，用 - 表示。
• 純量（scalars）：單個的、不可再分的值

YAML 用法

安裝

pip install pyyaml

yaml 文件格式很簡單，比如：

# categories.yaml file

sports: #注意，冒號后面要加空格

  - soccer # 數(shù)組
  - football
  - basketball
  - cricket
  - hockey
  - table tennis

countries: 

  - Pakistan
  - USA
  - India
  - China
  - Germany
  - France
  - Spain

python 讀取 yaml 文件

# read_categories.py file

import yaml

with open(r'categories.yaml') as file:
    documents = yaml.full_load(file)

    for item, doc in documents.items():
        print(item, ":", doc)

運行結(jié)果：

sports : ['soccer', 'football', 'basketball', 'cricket', 'hockey', 'table tennis']
countries : ['Pakistan', 'USA', 'India', 'China', 'Germany', 'France', 'Spain']

以上便是 YAML 最基礎(chǔ)的應(yīng)用了，可能大家還是有點一頭霧水，咱們更進一步，看看在機器學(xué)習(xí)項目中如何寫 YAML 配置文件。

YAML & Machine Learning

我們直接改寫100天搞定機器學(xué)習(xí)|Day62 隨機森林調(diào)參實戰(zhàn)中的代碼。

寫配置文件rf_config.yaml

#INITIAL SETTINGS
data_directory: ./data/
data_name: creditcard.csv
target_name: Class
test_size: 0.3
model_directory: ./models/
model_name: RF_classifier.pkl


#RF parameters
n_estimators: 50
max_depth: 6
min_samples_split: 5
oob_score: True
random_state: 666
n_jobs: 2

完整代碼，可以對比源代碼看看區(qū)別：

# rf_with_yaml_file.py
import os
import yaml
import joblib
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import roc_auc_score

CONFIG_PATH = "./config/"


def load_config(config_name):
    with open(os.path.join(CONFIG_PATH, config_name)) as file:
        config = yaml.safe_load(file)

    return config


config = load_config("rf_config.yaml")

df = pd.read_csv(os.path.join(config["data_directory"], config["data_name"]))
data = df.iloc[:, 1:31]


X = data.loc[:, data.columns != config["target_name"]]
y = data.loc[:, data.columns == config["target_name"]]

number_records_fraud = len(data[data.Class == 1])
fraud_indices = np.array(data[data.Class == 1].index)
normal_indices = data[data.Class == 0].index
random_normal_indices = np.random.choice(
    normal_indices, number_records_fraud, replace=False)
random_normal_indices = np.array(random_normal_indices)
under_sample_indices = np.concatenate(
    [fraud_indices, random_normal_indices])
under_sample_data = data.iloc[under_sample_indices, :]
X_undersample = under_sample_data.loc[:,
                                      under_sample_data.columns != config["target_name"]]
y_undersample = under_sample_data.loc[:,
                                      under_sample_data.columns == config["target_name"]]

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=config["test_size"], random_state=42
)


rf1 = RandomForestClassifier(
    n_estimators=config["n_estimators"],
    max_depth=config["max_depth"],
    min_samples_split=config["min_samples_split"],
    oob_score=config["oob_score"],
    random_state=config["random_state"],
    n_jobs=config["n_jobs"]
)

rf1.fit(X_train, y_train)
print(rf1.oob_score_)
y_predprob1 = rf1.predict_proba(X_test)[:, 1]
print("AUC Score (Train): %f" % roc_auc_score(y_test, y_predprob1))

joblib.dump(rf1, os.path.join(config["model_directory"], config["model_name"]))

reference

https://www.runoob.com/w3cnote/yaml-intro.html
https://www.ruanyifeng.com/blog/2016/07/yaml.html