TabAML - 表格数据机器学习框架

TabAML (Tabular Machine Learning) 是一个基于PyTorch的表格数据分类框架，支持二分类和多分类任务。

特性

• 🔥 二分类模型: 支持二分类任务，包含完整的训练和评估流程
• 🌟 多分类模型: 支持多分类任务，自动检测类别数量
• 📊 丰富的评估指标: 支持准确率、F1分数（macro/micro/weighted）等多种评估指标
• ⚡ 早停机制: 防止过拟合，基于验证集性能自动停止训练
• 🛠️ 可配置性: 通过超参数字典灵活配置模型结构和训练参数
• 📈 自动化训练: 包含数据预处理、模型训练、验证和评估的完整流程

安装

确保已安装以下依赖：

pip install torch pandas numpy

快速开始

交互式运行

python main.py

然后选择要运行的模型类型：

• 1: 二分类模型
• 2: 多分类模型

二分类模型

from binary_cls import BinaryClsModel
import pandas as pd

# 加载数据
df_train = pd.read_csv("sample/binary_cls_train.csv")
df_val = pd.read_csv("sample/binary_cls_val.csv")
X_train = df_train.drop(columns=['label'])
y_train = df_train['label']
X_val = df_val.drop(columns=['label'])
y_val = df_val['label']

# 创建模型
model = BinaryClsModel(
    hyperparameters={
        'learning_rate': 0.01,
        'batch_size': 32,
        'num_layers': 3,
        'hidden_size': 64,
        'dropout_prob': 0.2,
        'patience': 10,
        'use_early_stopping': True
    }
)

# 训练模型
model.fit(X=X_train, y=y_train, X_val=X_val, y_val=y_val)

# 评估模型
accuracy = model.score(X_val, y_val, metric='accuracy')
f1 = model.score(X_val, y_val, metric='f1')
print(f"验证集准确率: {accuracy:.4f}")
print(f"验证集F1分数: {f1:.4f}")

多分类模型

from multi_cls import MultiClassifierModel
import pandas as pd

# 加载数据
df_train = pd.read_csv("sample/multi_cls_train.csv")
df_val = pd.read_csv("sample/multi_cls_val.csv")
X_train = df_train.drop(columns=['label'])
y_train = df_train['label']
X_val = df_val.drop(columns=['label'])
y_val = df_val['label']

# 创建模型
model = MultiClassifierModel(
    hyperparameters={
        'learning_rate': 0.01,
        'batch_size': 32,
        'num_layers': 3,
        'hidden_size': 64,
        'dropout_prob': 0.2,
        'patience': 10,
        'use_early_stopping': True,
        'f1_average': 'macro'  # F1计算方式: 'macro', 'micro', 'weighted'
    }
)

# 训练模型
model.fit(X=X_train, y=y_train, X_val=X_val, y_val=y_val)

# 评估模型
accuracy = model.score(X_val, y_val, metric='accuracy')
f1_macro = model.score(X_val, y_val, metric='f1_macro')
f1_micro = model.score(X_val, y_val, metric='f1_micro')
f1_weighted = model.score(X_val, y_val, metric='f1_weighted')

print(f"验证集准确率: {accuracy:.4f}")
print(f"验证集F1 (macro): {f1_macro:.4f}")
print(f"验证集F1 (micro): {f1_micro:.4f}")
print(f"验证集F1 (weighted): {f1_weighted:.4f}")

模型结构

神经网络架构

• 输入层: 自动适应特征维度
• 隐藏层: 可配置的层数和神经元数量
• 激活函数: ReLU
• 正则化: Dropout
• 输出层:
  • 二分类: 2个神经元 + CrossEntropyLoss
  • 多分类: 自动检测类别数量 + CrossEntropyLoss

可配置超参数

评估指标

二分类

• 准确率 (Accuracy): 正确预测的样本比例
• F1分数: 精确率和召回率的调和平均数

多分类

• 准确率 (Accuracy): 正确预测的样本比例
• F1分数 (macro): 每个类别F1分数的算术平均
• F1分数 (micro): 全局计算的F1分数
• F1分数 (weighted): 按类别支持数加权的F1分数

数据格式

输入数据要求

• 特征: 数值型特征，支持pandas DataFrame或numpy数组
• 标签:
  • 二分类: 0和1
  • 多分类: 0, 1, 2, ..., n-1 (连续整数)

示例数据

项目包含示例数据：

• sample/binary_cls_train.csv / sample/binary_cls_val.csv: 二分类数据
• sample/multi_cls_train.csv / sample/multi_cls_val.csv: 四分类数据

文件结构

tabaml/
├── main.py              # 主入口文件
├── binary_cls.py        # 二分类模型实现
├── multi_cls.py         # 多分类模型实现
├── metrics.py           # 评估指标实现
├── sample/              # 示例数据
│   ├── binary_cls_train.csv
│   ├── binary_cls_val.csv
│   ├── multi_cls_train.csv
│   └── multi_cls_val.csv
└── README.md

注意事项

1. GPU支持: 代码自动检测CUDA可用性，优先使用GPU训练
2. 数据预处理: 确保数据已经完成标准化、缺失值处理等预处理步骤
3. 内存使用: 大数据集建议调整batch_size参数
4. 类别平衡: 不平衡数据集可能需要额外的处理策略

许可证

本项目使用 MIT 许可证。