Jupyter Notebook 输入栏位设计(1)

前言

撰写机器学习/深度学习相关程序时，我们常要调整超参数(Hyperparameters)，观察模型的准确度或其他效能指标的变化，如果能设计各式输入栏位，就很容易说明 what-if 或将程序提供他人使用。

让我们搞定它吧

ipywidgets套件提供我们在 Jupyter Notebook 内设计各式输入栏位，安装指令如下：

pip install ipywidgets

之後启动 Jupyter Notebook 确定是否安装成功：

如果未现该扩充程序，执行以下指令，并确定有打勾：
jupyter nbextension enable --py widgetsnbextension

测试

1. 本篇先介绍 interact 函数的用法。

# 载入套件
from ipywidgets import interact

# 定义一个简单函数
def f(x):
    return x
    
# 呼叫 interact 函数，如 x 为整数则输入栏位为一拉杆(slider)
interact(f, x=10)    

执行结果如下，拖曳拉杆，可改变输入值：

2. 产生其他类型的输入栏位。

# 如 x 为boolean则输入栏位为 checkbox
interact(f, x=True)

# 如 x 为字串则输入栏位为文字框
interact(f, x='')

# 如 x 为list则输入栏位为下拉式栏位
interact(f, x=[1,2,3])

interact 会视 x 参数资料型态产生各式输入栏位。

3. 直接使用装饰器(Decorator)，不须呼叫interact函数。也可以同时可设定多个栏位。

# 使用装饰器(Decorator)
@interact(x=20, y=1.0)
def g(x, y):
    return x + y

应用

虽然在画面上可以看到我们输入值，但没办法在下面的程序码抓到它，笔者一度脑筋打结，後来google一下，才了解必须要在函数中使用输入值，以下介绍两种应用。

1. 筛选资料：指定鸢尾花(Iris)类别，筛选 Pandas Data Frame。

# 筛选资料
import pandas as pd
import numpy as np
from sklearn import datasets

@interact(x=[0,1,2])
def f(x):
    # 载入鸢尾花资料
    ds = datasets.load_iris()
    df=pd.DataFrame(ds.data, columns=ds.feature_names)
    df['y'] = ds.target
    
    # 依据输入值筛选资料
    return df.query(f'y == {x}')

执行结果如下，改变输入值可筛选资料：

2. 参数调校(tuning)：以下利用 interact 指定参数值，进行参数调校，函数会传回准确度。

import pandas as pd
import numpy as np
from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split

@interact(x=(3,11))
def f(x):
    # 载入鸢尾花资料
    ds = datasets.load_iris()
    X=pd.DataFrame(ds.data, columns=ds.feature_names)
    y=ds.target

    # 切割训练及测试资料
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = .2)

    # KNN 模型的 n_neighbors 参数调校
    clf = KNeighborsClassifier(n_neighbors = x)
    clf.fit(X_train, y_train)
    return f'score={clf.score(X_test, y_test)}'

结语

够简单吧? 美中不足的是，没办法在函数外抓到输入值，还好有人解决这个问题，请待下回分解。