auto-sklearn

الوصف

auto-sklearn هي مجموعة أدوات قوية للتعلم الآلي الآلي (AutoML) مصممة لتبسيط عملية بناء نماذج التعلم الآلي. إنها تعمل كبديل مباشر لمقدرات scikit-learn، مما يسمح للمستخدمين بدمجها بسلاسة في سير عملهم الحالي. الهدف الأساسي من auto-sklearn هو تحرير ممارسي التعلم الآلي من المهام التي تستغرق وقتًا طويلاً لاختيار الخوارزميات وضبط المعلمات الفائقة.

من خلال استخدام تقنيات متقدمة مثل التحسين البايزي والتعلم الوصفي وبناء المجموعات، يستكشف auto-sklearn بذكاء المساحة الواسعة للنماذج والتكوينات الممكنة لتحديد الحل الأكثر فعالية لمجموعة بيانات معينة. تعمل هذه الأتمتة على تسريع دورة حياة تطوير النموذج بشكل كبير ويمكن أن تؤدي إلى تحسين أداء النموذج، خاصة للمستخدمين الذين قد لا يكونون خبراء في كل جانب من جوانب التعلم الآلي.

يعد الدعم المقدم لميزات النص تحسينًا حديثًا ملحوظًا. يسمح هذا التوسع لـ auto-sklearn بمعالجة مجموعة واسعة من أنواع البيانات، مما يجعله أكثر تنوعًا لمهام معالجة اللغة الطبيعية. توفر مجموعة الأدوات وثائق شاملة، بما في ذلك أدلة التثبيت والأمثلة ومراجع واجهة برمجة التطبيقات (API) وقسم الأسئلة الشائعة، لمساعدة المستخدمين في البدء وتعظيم إمكانياتها.

تم ترخيص auto-sklearn بموجب ترخيص BSD ذي 3 بنود، مما يعكس ترخيص scikit-learn. يشجع المشروع المساهمات من المجتمع، ويرحب بتقارير الأخطاء وتحسينات الوثائق والميزات الجديدة. يُنصح المطورون بالاطلاع على دليل المساهمة وفتح مشكلة على GitHub قبل البدء في عمل كبير لتجنب الازدواجية وضمان التوافق مع أهداف المشروع. يوفر المشروع أيضًا موارد مثل الشرائح والدفاتر من المحادثات والبرامج التعليمية لمزيد من التعلم.

الميزات الأساسية لـ auto-sklearn

• اختيار الخوارزميات الآلي

• ضبط المعلمات الفائقة الآلي

• بديل مباشر لمقدرات scikit-learn

• يستفيد من التحسين البايزي

• يستخدم تقنيات التعلم الوصفي

• يدعم بناء المجموعات

• يشمل الدعم لميزات النص

• يوفر أمثلة برمجية للتصنيف

• يقدم وثائق التثبيت واليدوية

• يشجع مساهمات المجتمع

• مرخص بموجب ترخيص BSD ذي 3 بنود

البدء مع auto-sklearn

1. 1

   التثبيت: قم بتثبيت auto-sklearn باستخدام مدير الحزم.

2. 2

   التكوين: استورد AutoSklearnClassifier أو AutoSklearnRegressor.

3. 3

   التدريب: قم بتدريب المقدر باستخدام بيانات التدريب الخاصة بك (X_train, y_train).

4. 4

   التنبؤ: قم بإنشاء تنبؤات على بيانات الاختبار (X_test).

5. 5

   التقييم: قم بتقييم أداء النموذج باستخدام المقاييس المناسبة.

حالات استخدام auto-sklearn

• التصنيف الآلي
• الانحدار الآلي
• معالجة ميزات النص
• تحسين المعلمات الفائقة
• اختيار الخوارزميات
• بناء نماذج المجموعات

الأسئلة الشائعة من auto-sklearn

• ما هو auto-sklearn؟

  auto-sklearn هو مجموعة أدوات التعلم الآلي الآلي التي تعمل كبديل مباشر لمقدرات scikit-learn، مما يؤتمت اختيار الخوارزميات وضبط المعلمات الفائقة.

• كيف يقوم auto-sklearn بأتمتة التعلم الآلي؟

  إنه يستفيد من التحسين البايزي والتعلم الوصفي وبناء المجموعات للعثور تلقائيًا على أفضل الخوارزميات والمعلمات الفائقة لمجموعة بيانات معينة.

• هل يمكن لـ auto-sklearn التعامل مع بيانات النص؟

  نعم، يدعم auto-sklearn الآن ميزات النص، مما يسمح باستخدامه لمهام معالجة اللغة الطبيعية.

• هل auto-sklearn متوافق مع scikit-learn؟

  نعم، تم تصميم auto-sklearn كبديل مباشر لمقدرات scikit-learn.

• ما هو الترخيص الذي يتم توزيع auto-sklearn بموجبه؟

  يتم ترخيص auto-sklearn بموجب ترخيص BSD ذي 3 بنود، وهو نفس ترخيص scikit-learn.

• كيف يمكنني الاستشهاد بـ auto-sklearn في المنشورات؟

  يمكنك الاستشهاد بالورقة البحثية 'Efficient and Robust Automated Machine Learning' بواسطة Feurer et al. (NIPS 2015) وللإصدار 2.0، 'Auto-Sklearn 2.0: Hands-free AutoML via Meta-Learning' بواسطة Feurer et al. (arXiv, 2020).

• كيف يمكنني المساهمة في auto-sklearn؟

  المساهمات مرحب بها، بما في ذلك تقارير الأخطاء والوثائق والميزات الجديدة. يُنصح بفتح مشكلة على GitHub قبل البدء في المساهمة بالتعليمات البرمجية.

• أين يمكنني العثور على أمثلة لاستخدام auto-sklearn؟

  الأمثلة، بما في ذلك مثال لمعالجة النص المسبقة، متاحة في الوثائق وعلى مستودع GitHub الخاص بالمشروع.

• ما هي فوائد استخدام auto-sklearn؟

  إنه يوفر الوقت عن طريق أتمتة اختيار الخوارزميات وضبط المعلمات الفائقة، مما قد يؤدي إلى أداء أفضل للنموذج دون جهد يدوي.

• أين يمكنني العثور على وثائق أحدث إصدار؟

  وثائق أحدث إصدار، مثل الإصدار 0.15.0، متاحة على نطاق automl.github.io.