Tutorial PyCaret: Machine Learning Low-Code untuk Prototyping Cepat

# Tutorial PyCaret: Machine Learning Low-Code untuk Prototyping Cepat PyCaret adalah library open-source Python yang menyediakan antarmuka low-code untuk melakukan eksperimen machine learning secara...

By Ruby Abdullah · · tutorial
PyCaretAutoMLMachine LearningPythonLow-Code

Tutorial PyCaret: Machine Learning Low-Code untuk Prototyping Cepat

PyCaret adalah library open-source Python yang menyediakan antarmuka low-code untuk melakukan eksperimen machine learning secara cepat dan efisien. Dengan PyCaret, Anda bisa menyelesaikan seluruh pipeline ML — mulai dari preprocessing, training, tuning, hingga deployment — hanya dengan beberapa baris kode.

Library ini sangat cocok untuk data scientist yang ingin melakukan rapid prototyping, membandingkan puluhan model sekaligus, dan mendapatkan baseline model terbaik tanpa harus menulis boilerplate code yang panjang. PyCaret membungkus library populer seperti scikit-learn, XGBoost, LightGBM, CatBoost, dan banyak lagi dalam satu API yang konsisten.

Dalam tutorial ini, kita akan mempelajari cara menggunakan PyCaret dari instalasi hingga deployment model, lengkap dengan contoh kode yang bisa langsung dijalankan.

Instalasi

PyCaret tersedia di PyPI dan bisa diinstal menggunakan pip. Disarankan untuk menggunakan virtual environment agar tidak terjadi konflik dependensi.

# Buat virtual environment

python -m venv pycaret-env

source pycaret-env/bin/activate # Linux/Mac

pycaret-env\Scripts\activate # Windows

Instal PyCaret versi lengkap

pip install pycaret[full]

Jika Anda hanya membutuhkan modul tertentu, bisa instal secara selektif:

# Hanya untuk klasifikasi dan regresi

pip install pycaret

Dengan dukungan NLP

pip install pycaret[nlp]

Dengan dukungan time series

pip install pycaret[ts]

Untuk memverifikasi instalasi:

import pycaret

print(pycaret.version)

Dependensi Sistem

PyCaret memerlukan Python 3.9 atau lebih baru. Beberapa fitur opsional memerlukan dependensi tambahan:

# Untuk visualisasi interaktif

pip install plotly kaleido

Untuk deployment ke cloud

pip install pycaret[aws] # AWS

pip install pycaret[gcp] # Google Cloud

pip install pycaret[azure] # Azure

Konsep Dasar PyCaret

PyCaret diorganisasi dalam beberapa modul berdasarkan jenis task machine learning:

| Modul | Kegunaan |

|-------|----------|

| pycaret.classification | Klasifikasi (binary & multiclass) |

| pycaret.regression | Regresi |

| pycaret.clustering | Clustering |

| pycaret.anomaly | Anomaly detection |

| pycaret.timeseries | Time series forecasting |

| pycaret.nlp | Topic modeling |

Setiap modul mengikuti workflow yang sama: setup → compare → create → tune → evaluate → deploy.

Basic Usage: Klasifikasi

Mari kita mulai dengan contoh klasifikasi menggunakan dataset bawaan PyCaret.

Step 1: Setup Experiment

Fungsi setup() adalah langkah pertama dalam setiap eksperimen PyCaret. Fungsi ini melakukan preprocessing data secara otomatis.

from pycaret.classification import 

Load dataset bawaan

from pycaret.datasets import getdata

data = getdata('diabetes')

Setup experiment

clf = setup(

data=data,

target='Class variable',

sessionid=42,

verbose=False

)

PyCaret secara otomatis melakukan:

  • Deteksi tipe data (numerik, kategorikal)
  • Train-test split (default 70/30)
  • Missing value imputation
  • Encoding variabel kategorikal
  • Normalisasi (opsional)

Step 2: Bandingkan Model

Fungsi comparemodels() melatih dan mengevaluasi semua model yang tersedia dengan satu pemanggilan.

# Bandingkan semua model

bestmodel = comparemodels()

Bandingkan dengan metric tertentu

bestmodel = comparemodels(sort='AUC', nselect=3)

Fungsi ini akan menampilkan tabel perbandingan dengan metric seperti Accuracy, AUC, Recall, Precision, F1, Kappa, dan MCC untuk setiap model. Dari situ, Anda bisa langsung melihat model mana yang memberikan performa terbaik.

Step 3: Buat Model Spesifik

Jika Anda sudah tahu model mana yang ingin digunakan:

# Buat model Random Forest

rf = createmodel('rf')

Buat model Gradient Boosting

gbc = createmodel('gbc')

Buat model LightGBM

lgbm = createmodel('lightgbm')

Buat model XGBoost

xgb = createmodel('xgboost')

Setiap model otomatis dievaluasi menggunakan cross-validation (default 10-fold).

Step 4: Tuning Hyperparameter

# Tune model dengan random search

tunedrf = tunemodel(rf)

Tune dengan jumlah iterasi tertentu

tunedrf = tunemodel(rf, niter=100)

Tune untuk metric tertentu

tunedrf = tunemodel(rf, optimize='F1')

Tune menggunakan Optuna

tunedrf = tunemodel(rf, searchlibrary='optuna', niter=50)

Step 5: Evaluasi Model

# Tampilkan semua plot evaluasi

evaluatemodel(tunedrf)

Plot confusion matrix

plotmodel(tunedrf, plot='confusionmatrix')

Plot ROC curve

plotmodel(tunedrf, plot='auc')

Plot feature importance

plotmodel(tunedrf, plot='feature')

Plot decision boundary (untuk 2D)

plotmodel(tunedrf, plot='boundary')

Step 6: Prediksi dan Finalisasi

# Prediksi pada test set

predictions = predictmodel(tunedrf)

Prediksi pada data baru

newdata = data.drop('Class variable', axis=1).head(5)

newpredictions = predictmodel(tunedrf, data=newdata)

Finalisasi model (train pada seluruh dataset)

finalmodel = finalizemodel(tunedrf)

Step 7: Simpan dan Load Model

# Simpan model

savemodel(finalmodel, 'diabetesclassifier')

Load model

loadedmodel = loadmodel('diabetesclassifier')

Basic Usage: Regresi

Workflow untuk regresi hampir identik:

from pycaret.regression import 

from pycaret.datasets import getdata

Load dataset

data = getdata('boston')

Setup

reg = setup(

data=data,

target='medv',

sessionid=42,

verbose=False

)

Bandingkan model

best = comparemodels()

Buat dan tune model

et = createmodel('et')

tunedet = tunemodel(et, optimize='MAE')

Evaluasi

plotmodel(tunedet, plot='residuals')

plotmodel(tunedet, plot='error')

Finalisasi dan simpan

final = finalizemodel(tunedet)

savemodel(final, 'bostonregressor')

Advanced Usage

Custom Preprocessing Pipeline

from pycaret.classification import 

clf = setup(

data=data,

target='Class variable',

sessionid=42,

# Preprocessing

normalize=True,

normalizemethod='zscore',

# Feature engineering

polynomialfeatures=True,

polynomialdegree=2,

# Handling imbalance

fiximbalance=True,

fiximbalancemethod='smote',

# Feature selection

featureselection=True,

featureselectionthreshold=0.8,

# Transformasi

transformation=True,

transformationmethod='yeo-johnson',

# Remove multicollinearity

removemulticollinearity=True,

multicollinearitythreshold=0.9,

# PCA

pca=True,

pcacomponents=0.95,

verbose=False

)

Ensemble Methods

PyCaret menyediakan beberapa teknik ensemble:

# Bagging

bagged = ensemblemodel(tunedrf, method='Bagging', nestimators=15)

Boosting

boosted = ensemblemodel(tunedrf, method='Boosting', nestimators=15)

Blending (combine multiple models)

blend = blendmodels(

estimatorlist=[tunedrf, createmodel('gbc'), createmodel('lightgbm')],

method='soft'

)

Stacking

stack = stackmodels(

estimatorlist=[tunedrf, createmodel('gbc'), createmodel('lightgbm')],

metamodel=createmodel('lr')

)

Time Series Forecasting

from pycaret.timeseries import 

from pycaret.datasets import getdata

Load data

data = getdata('airline')

Setup

ts = setup(

data=data,

fh=12, # forecast horizon: 12 bulan

sessionid=42,

verbose=False

)

Bandingkan model

best = comparemodels()

Buat model spesifik

arima = createmodel('arima')

ets = createmodel('ets')

prophet = createmodel('prophet')

Tune

tuned = tunemodel(arima)

Plot forecast

plotmodel(tuned, plot='forecast')

plotmodel(tuned, plot='diagnostics')

Prediksi

predictions = predictmodel(tuned)

Clustering

from pycaret.clustering import 

from pycaret.datasets import getdata

data = getdata('jewellery')

Setup (tanpa target karena unsupervised)

clu = setup(

data=data,

sessionid=42,

verbose=False

)

Buat model K-Means

kmeans = createmodel('kmeans', numclusters=4)

Assign cluster labels

result = assignmodel(kmeans)

Visualisasi

plotmodel(kmeans, plot='cluster')

plotmodel(kmeans, plot='elbow')

plotmodel(kmeans, plot='silhouette')

plotmodel(kmeans, plot='distribution')

Anomaly Detection

from pycaret.anomaly import 

from pycaret.datasets import getdata

data = getdata('anomaly')

Setup

ano = setup(

data=data,

sessionid=42,

verbose=False

)

Buat model Isolation Forest

iforest = createmodel('iforest', fraction=0.05)

Assign anomaly labels

result = assignmodel(iforest)

Plot

plotmodel(iforest, plot='tsne')

plotmodel(iforest, plot='umap')

Experiment Logging dengan MLflow

PyCaret terintegrasi dengan MLflow untuk experiment tracking:

from pycaret.classification import 

Setup dengan MLflow logging

clf = setup(

data=data,

target='Class variable',

logexperiment=True,

experimentname='diabetesexperiment',

logplots=True,

logdata=True,

sessionid=42,

verbose=False

)

Semua operasi berikut akan ter-log otomatis

best = comparemodels()

tuned = tunemodel(best)

final = finalizemodel(tuned)

Anda bisa melihat hasilnya di MLflow UI:

mlflow ui

Buka http://localhost:5000

Custom Metrics

from pycaret.classification import 

from sklearn.metrics import logloss

Definisikan custom metric

def customlogloss(ytrue, ypred):

return logloss(ytrue, ypred)

Tambahkan ke PyCaret

addmetric('logloss', 'Log Loss', customlogloss, greaterisbetter=False)

Sekarang metric ini akan muncul di comparemodels()

best = comparemodels(sort='logloss')

Hapus custom metric jika perlu

removemetric('logloss')

Pipeline dan Transformasi Custom

from pycaret.classification import 

from sklearn.preprocessing import FunctionTransformer

Custom transformer

def logtransform(X):

import numpy as np

return np.log1p(X.selectdtypes(include='number'))

logtransformer = FunctionTransformer(logtransform)

clf = setup(

data=data,

target='Class variable',

custompipeline=[('logtransform', logtransformer)],

sessionid=42,

verbose=False

)

Deployment

Deploy sebagai API dengan FastAPI

from pycaret.classification import 

Load model yang sudah disimpan

model = loadmodel('diabetesclassifier')

Dapatkan pipeline lengkap

pipeline = getconfig('pipeline')

Buat file API:

# app.py

from fastapi import FastAPI

from pydantic import BaseModel

import pandas as pd

from pycaret.classification import loadmodel, predictmodel

app = FastAPI()

model = loadmodel('diabetesclassifier')

class PatientData(BaseModel):

pregnancies: float

glucose: float

bloodpressure: float

skinthickness: float

insulin: float

bmi: float

diabetespedigree: float

age: float

@app.post("/predict")

def predict(patient: PatientData):

data = pd.DataFrame([patient.dict()])

data.columns = [

'Number of times pregnant',

'Plasma glucose concentration',

'Diastolic blood pressure',

'Triceps skin fold thickness',

'2-Hour serum insulin',

'Body mass index',

'Diabetes pedigree function',

'Age (years)'

]

prediction = predictmodel(model, data=data)

return {

"prediction": int(prediction['predictionlabel'].iloc[0]),

"score": float(prediction['predictionscore'].iloc[0])

}

Jalankan:

uvicorn app:app --host 0.0.0.0 --port 8000

Deploy ke Cloud

from pycaret.classification import 

Deploy ke AWS S3

deploymodel(finalmodel, 'my-model', platform='aws', authentication={

'bucket': 'my-pycaret-models',

'path': 'models/diabetes'

})

Deploy ke Google Cloud Storage

deploymodel(finalmodel, 'my-model', platform='gcp', authentication={

'project': 'my-project',

'bucket': 'my-pycaret-models'

})

Deploy ke Azure Blob Storage

deploymodel(finalmodel, 'my-model', platform='azure', authentication={

'container': 'my-pycaret-models',

'connstr': 'your-connection-string'

})

Best Practices

1. Selalu Set Session ID

# Untuk reproducibility

clf = setup(data=data, target='target', sessionid=42)

Tanpa sessionid, hasil eksperimen bisa berbeda setiap kali dijalankan karena random state yang berbeda.

2. Gunakan Cross-Validation yang Tepat

# Untuk dataset kecil, gunakan fold lebih banyak

best = comparemodels(fold=15)

Untuk dataset besar, fold lebih sedikit cukup

best = comparemodels(fold=5)

Untuk data time series, gunakan TimeSeriesSplit

clf = setup(data=data, target='target', foldstrategy='timeseries', fold=5)

3. Handle Imbalanced Data

clf = setup(

data=data,

target='target',

fiximbalance=True,

sessionid=42

)

Atau gunakan metric yang tepat untuk imbalanced data

best = comparemodels(sort='F1')

4. Feature Engineering Otomatis

clf = setup(

data=data,

target='target',

polynomialfeatures=True, # Buat fitur polynomial

trigonometryfeatures=True, # Buat fitur trigonometri

featureinteraction=True, # Interaksi antar fitur

binnumericfeatures=['age'], # Binning fitur numerik

groupfeatures=[['col1', 'col2']], # Grup fitur

sessionid=42

)

5. Gunakan Turbo Mode untuk Dataset Besar

# Turbo=True melewatkan model yang lambat (SVM, KNN, dll)

best = comparemodels(turbo=True)

Atau pilih model tertentu saja

best = comparemodels(include=['rf', 'lightgbm', 'xgboost', 'catboost'])

Exclude model tertentu

best = comparemodels(exclude=['svm', 'knn'])

6. Combine Multiple Experiments

from pycaret.classification import 

Experiment 1: Default preprocessing

clf1 = setup(data=data, target='target', sessionid=42)

best1 = comparemodels(nselect=1)

Experiment 2: Dengan normalisasi

clf2 = setup(data=data, target='target', normalize=True, sessionid=42)

best2 = comparemodels(nselect=1)

Experiment 3: Dengan PCA

clf3 = setup(data=data, target='target', pca=True, sessionid=42)

best3 = comparemodels(nselect=1)

7. Interpretability dengan SHAP

# Plot SHAP summary

interpretmodel(tunedrf)

Plot SHAP untuk observasi tertentu

interpretmodel(tunedrf, plot='reason', observation=5)

Plot correlation

interpretmodel(tunedrf, plot='correlation')

Contoh End-to-End Project

Berikut contoh lengkap project klasifikasi kredit dari awal sampai akhir:

import pandas as pd

from pycaret.classification import *

1. Load data

data = pd.readcsv('creditdata.csv')

2. Setup experiment

clf = setup(

data=data,

target='default',

sessionid=42,

normalize=True,

fiximbalance=True,

removemulticollinearity=True,

logexperiment=True,

experimentname='creditscoring',

verbose=False

)

3. Bandingkan model

top3 = comparemodels(nselect=3, sort='AUC')

4. Tune top 3 model

tunedmodels = [tunemodel(m, optimize='AUC') for m in top3]

5. Blend top 3 model

blended = blendmodels(tunedmodels, method='soft')

6. Evaluasi

plotmodel(blended, plot='auc', save=True)

plotmodel(blended, plot='confusionmatrix', save=True)

plotmodel(blended, plot='feature', save=True)

7. Finalisasi

final = finalizemodel(blended)

8. Simpan

savemodel(final, 'creditscoringmodel')

9. Test pada data baru

newdata = pd.readcsv('newapplications.csv')

results = predictmodel(final, data=newdata)

print(results[['predictionlabel', 'predictionscore']])

Kesimpulan

PyCaret adalah alat yang sangat berguna untuk mempercepat workflow machine learning. Keunggulan utamanya meliputi:

  • Rapid Prototyping: Bandingkan puluhan model dengan satu fungsi
  • Low-Code: Kurangi boilerplate code secara drastis
  • Preprocessing Otomatis: Handle missing values, encoding, scaling secara otomatis
  • Integrasi MLflow: Experiment tracking built-in
  • Deployment Mudah: Deploy ke AWS, GCP, atau Azure dengan satu fungsi
  • Modular: Tersedia modul untuk classification, regression, clustering, anomaly detection, time series, dan NLP

PyCaret paling cocok digunakan untuk fase eksplorasi dan prototyping. Untuk production system yang memerlukan optimasi granular, Anda mungkin tetap perlu menulis pipeline custom. Namun sebagai starting point untuk menemukan model dan preprocessing terbaik, PyCaret sulit ditandingi.

Mulailah dengan comparemodels() untuk mendapatkan baseline, lalu iterasi dari situ. Gabungkan dengan MLflow untuk tracking eksperimen Anda secara sistematis. Dengan pendekatan ini, Anda bisa membangun model ML berkualitas produksi dalam waktu yang jauh lebih singkat dibanding pendekatan tradisional.

Artikel Terkait

Tutorial Optuna: Optimasi Hyperparameter Otomatis

Tutorial Lengkap Optuna: Optimasi Hyperparameter Otomatis Daftar Isi Pendahuluan Prasyarat Instalasi dan Setup [Konsep D...

AutoGluon: Tutorial Lengkap Library AutoML dari AWS untuk Machine Learning Otomatis

Tutorial Lengkap AutoGluon: Library AutoML dari AWS untuk Machine Learning Otomatis AutoGluon adalah library open-source...

Tutorial CatBoost: Gradient Boosting untuk Data Tabular dengan Penanganan Fitur Kategorikal Otomatis

Tutorial CatBoost: Gradient Boosting untuk Data Tabular dengan Penanganan Fitur Kategorikal Otomatis CatBoost (Categoric...

Tutorial Cleanlab: Meningkatkan Kualitas Data untuk Machine Learning

Tutorial Cleanlab: Meningkatkan Kualitas Data untuk Machine Learning Kualitas data adalah fondasi dari setiap proyek mac...