SKLL项目使用教程

1. 项目目录结构及介绍

SKLL（SciKit-Learn Laboratory）项目的目录结构如下：

skll/
├── .github/                  # GitHub相关配置文件
├── conda-recipe/             # Conda构建脚本
├── doc/                      # 文档资料
├── examples/                 # 示例代码和配置文件
├── skll/                     # SKLL的核心代码
├── tests/                    # 测试代码
├── .coveragerc               # 覆盖率配置文件
├── .gitattributes            # Git属性配置文件
├── .gitignore                # Git忽略文件
├── .gitlab-ci.yml            # GitLab CI配置文件
├── .pre-commit-config.yaml   # Pre-commit钩子配置文件
├── .readthedocs.yml          # ReadTheDocs配置文件
├── CONTRIBUTING.md           # 贡献指南
├── LICENSE.txt               # 许可证文件
├── MANIFEST.in               # 打包时包含的文件列表
├── README.rst                # 项目介绍文件
├── azure-pipelines.yml       # Azure pipelines配置文件
├── pyproject.toml            # Python项目配置文件
├── requirements.dev          # 开发环境依赖文件
├── requirements.txt          # 生产环境依赖文件
├── runtime.txt               # 运行时环境依赖文件
├── setup.cfg                 # 设置配置文件
└── unittest.cfg              # 单元测试配置文件

• .github/：存放GitHub相关的配置文件。
• conda-recipe/：包含用于在Conda环境中构建SKLL的脚本。
• doc/：存放项目文档。
• examples/：提供了一些使用SKLL的示例代码和配置文件。
• skll/：包含了SKLL的核心代码，包括命令行工具和Python API。
• tests/：包含了用于测试SKLL的代码。

2. 项目的启动文件介绍

SKLL项目的启动主要是通过命令行工具run_experiment进行的，这个工具位于skll/目录下。run_experiment允许用户通过配置文件来运行机器学习实验。

启动SKLL的典型命令如下：

python run_experiment.py path/to/config/file.yml

这里，path/to/config/file.yml是用户编写的配置文件的路径。

3. 项目的配置文件介绍

SKLL使用YAML格式的配置文件来定义机器学习实验的各个方面。配置文件通常包含以下部分：

[General]
experiment_name = Titanic_Evaluate_Tuned
task = evaluate

[Input]
train_directory = train
test_directory = dev
featuresets = [
    "family.csv",
    "misc.csv",
    "socioeconomic.csv",
    "vitals.csv"
]
learners = [
    "RandomForestClassifier",
    "DecisionTreeClassifier",
    "SVC",
    "MultinomialNB"
]
label_col = Survived
id_col = PassengerId

[Tuning]
grid_search = true
objectives = ["accuracy"]

[Output]
metrics = ["roc_auc"]
logs = output
results = output
predictions = output
probability = true
models = output

• [General]：定义了一些通用的配置，例如实验名称和任务类型（例如cross_validate、evaluate、predict、train）。
• [Input]：指定了数据输入的路径和文件，以及要使用的特征集和学习器。
• [Tuning]：如果启用了网格搜索，则定义了搜索的目标。
• [Output]：定义了输出文件的路径和其他输出设置，例如是否输出概率预测。

通过修改配置文件，用户可以轻松地调整实验的设置，而无需编写额外的代码。